Python多维数组详解（numpy）

在Python中，多维数组是一种用于存储多个相同类型数据元素的数据结构。NumPy库提供了多维数组的支持，使得我们能够高效地进行科学计算、数据分析、图像处理等领域的应用。
一、多维数组的创建
使用NumPy库创建多维数组可以使用以下几种方式：

1. 直接定义数组：使用numpy.array()函数可以直接创建一个多维数组。例如：

   import numpy as np
   arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

   这将创建一个3x3的二维数组。
2. 使用numpy.zeros()、numpy.ones()和numpy.full()函数：这些函数可以创建一个指定形状和填充值的多维数组。例如：

   arr = np.zeros((3, 3))  # 创建一个3x3的二维数组，所有元素为0
   arr = np.ones((2, 2))    # 创建一个2x2的二维数组，所有元素为1
   arr = np.full((3, 3), 7)   # 创建一个3x3的二维数组，所有元素为7

3. 使用numpy.mgrid和numpy.ogrid函数：这些函数可以创建一个网格类型的多维数组。例如：

   import numpy.lib.stride_tricks as st
   x = np.arange(10)
   y = np.arange(10)
   x_grid, y_grid = st.mgrid[0:10, 0:10]  # 创建一个网格类型的二维数组

   二、多维数组的访问和切片
   在多维数组中，我们可以使用索引来访问元素，也可以使用切片来获取子数组。例如：
4. 访问元素：使用逗号分隔的索引来访问多维数组中的元素。例如：arr[1, 2]将访问二维数组arr中第2行第3列的元素。
5. 切片操作：使用冒号分隔的索引来获取多维数组中的子数组。例如：arr[1:3, 2:]将获取二维数组arr中第2行到第3行和第2列到最后一列的子数组。
6. 布尔索引：使用布尔表达式来筛选符合条件的元素。例如：arr[arr > 5]将获取二维数组arr中大于5的所有元素。
   三、多维数组的常用操作
7. 形状变换：可以使用reshape()函数来改变多维数组的形状。例如：arr.reshape(5, -1)将把二维数组arr重新塑造成5行任意列数的形状。
8. 维度扩展：可以使用numpy.newaxis来增加多维数组的维度。例如：arr[:, np.newaxis]将把二维数组arr扩展为三维数组。
9. 矩阵运算：可以使用NumPy提供的各种数学函数来进行矩阵运算，如加法、减法、乘法和除法等。例如：np.dot(arr1, arr2)将计算两个二维数组arr1和arr2的点积。
10. 索引操作：可以使用切片和布尔索引等操作来提取子数组或筛选元素。例如：arr[arr > 5]将提取出所有大于5的元素。
11. 广播机制：NumPy提供了广播机制，使得在执行数学运算时能够自动处理不同形状的输入数组。例如：当执行两个不同形状的数组之间的加法运算时，NumPy会自动按照广播规则进行运算。
    四、实践应用举例
    下面是一个简单的实践应用举例，演示如何使用多维数组进行矩阵运算和数据处理：
12. 矩阵乘法：使用NumPy库中的dot()函数实现两个矩阵的乘法运算。例如：
    ```python
    import numpy as np
    a = np.array([[1, 2], [3, 4]]) # 定义矩阵a
    b = np.array([[5, 6], [7, 8]]) # 定义矩阵b
    c = np.dot(a, b) # 计算矩阵乘法