NumPy ndarray对象的用法（附带实例）

NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列同类型数据的集合，下标从 0 开始对集合中的元素进行索引。

ndarray 对象是用于存放同类型元素的多维数组，每个元素在内存中都占有相同存储大小的区域。

ndarray 内部由以下内容组成：

• 一个指向数据（内存或内存映射文件中的一块数据）的指针；
• 数据类型或 dtype，描述在数组中固定大小值的格子；
• 一个表示数组形状（shape）的元组，表示各维度大小的元组；
• 一个跨度元组（stride），其中的整数指的是为了前进到当前维度下一个元素需要“跨过”的字节数。

ndarray 的内部结构如下图所示：


创建一个 ndarray，只需调用 NumPy 的 array() 函数即可：

numpy.array(object, dtype = None, copy = True, order = None, subok = False, ndmin = 0)

• object 表示数组或嵌套的数列；
• dtype 表示数组元素的数据类型，可选；
• copy 表示对象是否需要复制，可选；
• order 表示创建数组的样式，C 为行方向，F 为列方向，A 为任意方向（默认）；
• subok 表示默认返回一个与基类类型一致的数组；
• ndmin 指定生成数组的最小维度。

比如一维数组：

a = np.array([1,2,3])
print (a)

输出：

[1 2 3]

比如多于一维的数组：

a = np.array([[1,  2],  [3,  4]])
print(a)

输出：

[[1 2]
[3 4]]

比如最小维度：

a = np.array([1,  2,  3, 4, 5], ndmin =  2)
print a

输出：

[[1, 2, 3, 4, 5]]

如果 ndmin =1，则输出：

[1 2 3 4 5]

再来看一下指定 dtype 参数的例子：

a = np.array([1,  2,  3], dtype = complex)
print (a)

输出：

[1.+0.j 2.+0.j 3.+0.j]

在 Python 中，complex 用于创建一个复数，或者将一个字符串或数转换为复数。

ndarray 对象由计算机内存的连续一维部分组成，并结合索引模式将每个元素映射到内存块中的一个位置。内存块以行顺序（C 样式）或列顺序（Fortran 或 MATLAB 风格，即前述的 F 样式）来保存元素。