10 NumPy数组之一维数组

在本章中，我们将深入探讨NumPy中一种基本的数据结构——一维数组。一维数组是NumPy最简单的数组类型，它可以视作一个线性的列表。我们将通过理论讲解和代码示例来帮助读者更好地理解如何创建和操作一维数组。

一维数组的创建

创建一维数组有多种方式，最常见的方法是使用 numpy.array() 函数。让我们看一些示例。

使用 numpy.array() 创建一维数组

下面是一个简单的例子，展示如何从一个Python列表创建一维数组：

import numpy as np

# 创建Python列表
data_list = [1, 2, 3, 4, 5]

# 从列表创建一维NumPy数组
array_1d = np.array(data_list)

print(array_1d)

上述代码将输出：

[1 2 3 4 5]

使用 numpy.arange() 创建一维数组

除了从列表创建数组，我们还可以使用 numpy.arange() 函数。例如，以下代码示范如何创建一个从0到9的数组：

array_1d_range = np.arange(10)

print(array_1d_range)

输出结果为：

[0 1 2 3 4 5 6 7 8 9]

使用 numpy.linspace() 创建一维数组

如果我们希望生成一个具有相同间隔的数值数组，可以使用 numpy.linspace()。这个函数允许我们指定数组的起始值、终止值以及数组元素的数量。例如：

array_1d_linspace = np.linspace(0, 1, 5)

print(array_1d_linspace)

输出结果为：

[0.   0.25 0.5  0.75 1.  ]

一维数组的基本操作

一旦创建了一个一维数组，我们就可以进行多种操作，包括访问元素、切片和数组运算。

访问元素

可以通过索引直接访问一维数组的元素。NumPy的索引是从0开始的：

print(array_1d[0])  # 访问第一个元素
print(array_1d[2])  # 访问第三个元素

切片操作

切片使我们能够提取部分数组。例如，如果我们想提取第2个到第4个元素：

sliced_array = array_1d[1:4]
print(sliced_array)

输出结果为：

[2 3 4]

数组运算

NumPy的一维数组支持多种数学运算。下面是一些示例：

# 数组加法
array_sum = array_1d + 10
print(array_sum)

# 数组乘法
array_product = array_1d * 2
print(array_product)

输出结果：

[11 12 13 14 15]
[ 2  4  6  8 10]

数组的属性

每个NumPy数组都有一些属性，这些属性可以帮助我们了解数组的基本信息，例如形状、大小和数据类型。这些属性包括：

• ndim：数组的维度数量。
• shape：数组的形状，表示各维度的大小。
• size：数组中元素的总数。
• dtype：数组中元素的数据类型。

以下代码示例展示了如何获取这些属性：

print("数组的维度:", array_1d.ndim)
print("数组的形状:", array_1d.shape)
print("数组的大小:", array_1d.size)
print("数组的数据类型:", array_1d.dtype)

输出结果可能为：

数组的维度: 1
数组的形状: (5,)
数组的大小: 5
数组的数据类型: int64

总结

在这一章中，我们介绍了NumPy一维数组的创建与基本操作，包括如何通过列表、arange、和 linspace 创建数组，以及如何访问元素、切片和进行基本的数学运算。我们还讨论了NumPy数组的一些重要属性。

接下来的章节中，我们将进一步探讨二维数组的内容，了解如何在NumPy中创建和操作更复杂的数据结构。通过掌握一维数组的基础知识，你将为学习更高级的NumPy功能打下坚实的基础。