python中ndarray的常见函数的用法

NumPy中的ndarray是科学计算核心，提供创建（如np.array、zeros、ones、arange、linspace）、形状操作（reshape、flatten、transpose）、数学统计（sum、mean、argmax、where）及数组拼接与广播等高效函数，掌握后可显著提升数据处理效率。

NumPy 中的 ndarray 是进行科学计算的核心数据结构，提供了丰富的函数来操作数组。以下是一些常见且实用的函数及其用法说明。 创建数组相关函数

np.array()：将列表、元组等转换为 ndarray。

• 例如：np.array([1, 2, 3]) 创建一维数组
• 支持指定 dtype：np.array([1.1, 2.2], dtype=int) 强制转为整型

np.zeros() 和 np.ones()：创建全0或全1数组。

• 例如：np.zeros((2, 3)) 创建 2×3 的零矩阵
• 可以指定类型：np.ones(5, dtype=bool) 创建布尔型全1数组

np.arange()：类似 Python 的 range，但返回数组。

• 例如：np.arange(0, 10, 2) 生成 [0, 2, 4, 6, 8]

np.linspace()：在指定区间内生成等间距数值。

• 例如：np.linspace(0, 1, 5) 生成 [0, 0.25, 0.5, 0.75, 1.0]

数组形状与维度操作

ndarray.reshape()：改变数组形状，不修改数据。

• 例如：np.arange(6).reshape(2, 3) 变成 2 行 3 列
• 使用 -1 让 NumPy 自动推断维度：arr.reshape(-1, 2)

ndarray.flatten()：返回展平的一维副本。

• 例如：arr = np.array([[1,2],[3,4]]); arr.flatten() 得到 [1,2,3,4]

np.transpose() 或 .T：转置数组。

• 例如：arr.T 对二维数组行列互换

数学与统计函数

np.sum(), np.mean(), np.std(), np.min(), np.max()：基本统计运算。

• 可指定轴：np.sum(arr, axis=0) 沿列方向求和（按行合并）
• 例如：二维数组中 axis=0 表示“跨行”，即对每一列操作

np.argmax(), np.argmin()：返回最大/最小值的索引。

• 例如：np.argmax([3,1,4]) 返回 2（索引位置）
• 配合 axis 使用可找每行或每列最值位置

np.where()：根据条件返回索引或选择元素。

• 例如：np.where(arr > 5, arr, 0) 大于5保留，否则设为0

数组操作与广播机制

np.concatenate()：沿指定轴拼接数组。

• 例如：np.concatenate((a, b), axis=0) 垂直拼接

np.vstack() / np.hstack()：垂直或水平堆叠。

• np.vstack([a, b]) 等价于 np.concatenate([a,b], axis=0)

广播（Broadcasting）：不同形状数组间自动扩展进行运算。

• 例如：一个 (3,3) 数组可以和一个长度为3的数组相加，NumPy 会自动对行扩展
• 这是实现高效向量化计算的关键机制

基本上就这些常用函数。掌握它们能大幅提升数据处理效率。