Numpy基础入门（2） ndarray介绍

在Numpy库中，ndarray是用于存储多维数组的核心数据结构。它提供了许多有用的属性和方法，使得我们可以方便地进行各种数学和逻辑运算。
ndarray的创建
要创建一个ndarray，可以使用Numpy的函数numpy.array()。例如：

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

这将创建一个2x3的二维数组。
ndarray的属性

• shape：表示数组的维度，例如arr.shape将返回(2, 3)。
• dtype：表示数组中元素的数据类型，例如arr.dtype将返回int64。
• ndim：表示数组的维数。
• size：表示数组中元素的数量。
  ndarray的基本操作

1. 索引：可以使用类似于Python列表的索引方式来访问ndarray的元素。例如，arr[0, 1]将返回2。
2. 切片：可以使用切片来选取数组的一部分。例如，arr[0:2, 1:]将返回一个新的数组，其中包含原数组第一行和第二行，以及第二列到最后一列的元素。
3. 元素操作：可以对ndarray中的每个元素进行操作，例如加、减、乘、除等。例如，arr += 1将使数组中的每个元素加1。
4. 广播（Broadcasting）：当对不同形状的ndarray进行操作时，Numpy会自动进行广播，使其形状相同再进行运算。这在处理不同形状的数据时非常有用。
5. 条件筛选：可以使用布尔索引来筛选符合条件的元素。例如，arr[arr > 2]将返回一个新的数组，其中包含原数组中大于2的元素。
6. 数学函数：Numpy提供了许多数学函数，可以对ndarray进行各种计算，如三角函数、指数函数、对数函数等。例如，np.sin(arr)将返回一个与原数组形状相同的数组，其中每个元素都是原数组对应元素的sin值。
7. 统计函数：Numpy还提供了一些统计函数，可以对ndarray进行统计计算，如求和、求最大值、求平均值等。例如，np.sum(arr)将返回原数组所有元素的和。
8. 线性代数操作：Numpy还提供了丰富的线性代数操作，如矩阵乘法、矩阵转置、特征值计算等。这些操作对于科学计算中的线性代数问题非常有用。
9. 随机数生成：使用Numpy的随机数生成函数，可以方便地生成符合各种分布的随机数。这对于模拟和测试非常有用。
10. 文件读写：Numpy还提供了文件读写功能，可以方便地将ndarray存储到文件中，也可以从文件中读取ndarray。这对于数据分析和处理非常有用。
    通过了解ndarray的基本属性和操作，我们可以更好地利用Numpy库进行科学计算。在后续的文章中，我们将继续介绍Numpy的高级功能和应用。