### Numpy Array 的定义与基本用法 Numpy 是 Python 中用于科学计算的核心库之一，其核心数据结构是 `ndarray`（n-dimensional array），即多维数组。通过 `numpy.array()` 方法可以从现有的列表或其他类似数组的对象创建一个新的 NumPy 数组。 #### 创建 NumPy 数组 NumPy 提供了多种方式来创建数组。最常见的是从 Python 列表转换而来： ```python import numpy as np # 一维数组 arr_1d = np.array([1, 2, 3, 4]) print(f"One-dimensional array: {arr_1d}") # 输出：One-dimensional array: [1 2 3 4] # 二维数组 arr_2d = np.array([[1, 2], [3, 4]]) print(f"Two-dimensional array:\n{arr_2d}") ``` 以上代码展示了如何分别创建一维和二维数组[^1]。 #### 数据类型指定 在创建数组时可以显式指定数据类型 (`dtype`)，这有助于优化内存使用并提高性能。如果未指定，则会自动推断数据类型。 ```python a = np.array([2, 3, 4]) # 默认整数型 b = np.array([2., 3., 4.]) # 浮点型 c = np.array([[1., 2.], [3., 4.]]) # 二维浮点型 d = np.array([[1, 2], [3, 4]], dtype=complex) # 复数类型 print(a, a.dtype) # 输出：[2 3 4] int64 print(b, b.dtype) # 输出：[2. 3. 4.] float64 print(c, c.dtype) # 输出：[[1. 2.] [3. 4.]] float64 print(d, d.dtype) # 输出：[[1.+0.j 2.+0.j] [3.+0.j 4.+0.j]] complex128 ``` 此部分演示了不同类型的数组及其对应的默认或自定义的数据类型[^3]。 #### 基本属性 每个 NumPy 数组都有几个重要的属性可以帮助理解它的结构： - **shape**: 表示数组的维度大小。 - **size**: 总共包含多少个元素。 - **dtype**: 存储的数据类型。 - **ndim**: 维度数量。 ```python example_array = np.array([[1, 2, 3], [4, 5, 6]]) print("Shape:", example_array.shape) # (2, 3) print("Size:", example_array.size) # 6 print("Data Type:", example_array.dtype) # int64 print("Number of Dimensions:", example_array.ndim) # 2 ``` 这些属性对于操作和调试大型复杂数组非常有用。 --- ###