Numpy: 探索np.array()函数用法指南

Numpy是Python中用于数值计算的强大库，它提供了高性能的多维数组对象和用于操作这些数组的函数。np.array()函数是Numpy库中用于创建多维数组的主要方法。下面我们将详细介绍np.array()函数的用法，帮助您更好地理解和使用Numpy。
1. np.array()函数的定义和用法
np.array()函数的语法如下：

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

参数说明：

• object：要创建为数组的对象。可以是列表、元组、Numpy数组等。
• dtype：指定数组的数据类型。如果省略，将根据object自动推断数据类型。
• copy：是否对object进行复制。默认为True，即对object进行复制。
• order：指定内存中的存储顺序，’K’表示按元素在内存中出现的顺序存储，’C’表示按行优先顺序存储，’F’表示按列优先顺序存储。
• subok：布尔值，默认为False。如果为True，则返回的数组将使用子类。
• ndmin：指定新数组的维数。默认为0，表示将根据object的形状自动确定维数。
  2. 示例用法
  下面是一些使用np.array()函数的示例：
  示例1：创建一维数组

  import numpy as np
  arr = np.array([1, 2, 3, 4])
  print(arr)  # 输出：[1 2 3 4]

  示例2：创建二维数组

  arr2 = np.array([[1, 2], [3, 4]])
  print(arr2)
  # 输出：
  # [[1 2]
  #  [3 4]]

  示例3：指定数据类型

  arr_float = np.array([1, 2, 3, 4], dtype=float)
  print(arr_float)  # 输出：[1. 2. 3. 4.]

  示例4：创建三维数组

  arr3 = np.array([[[1, 2], [3, 4]], [[5, 6], [7, 8]]])
  print(arr3)
  # 输出：
  # [[[1 2] [3 4]]
  #  [[5 6] [7 8]]]

  示例5：使用已有数组创建新数组

  arr4 = np.array(np.arange(10), ndmin=3)  # 使用arange函数生成0到9的一维数组，并指定维数为3，得到一个二维数组，再指定维数为3，得到一个三维数组。
  print(arr4)  # 输出：[[[0 1 2] [3 4 5] [6 7 8]]]

  通过这些示例，您可以了解np.array()函数的用法和灵活性。np.array()函数是Numpy库中非常重要的一个函数，它可以帮助您轻松地创建和处理多维数组。在使用Numpy进行数值计算时，了解并掌握np.array()函数的用法是非常必要的。