一文通俗理解Python的numpy库

作者：carzy2026.11.07 01:56浏览量：0

简介：numpy是Python科学计算的基石，核心是n维数组对象ndarray。本文用通俗语言讲清numpy的定位与优势、它与Python列表的区别、安装步骤、数组与“轴”的概念、常用创建方式、索引切片、广播机制与向量化运算，并配可运行的代码示例，帮你快速建立数组思维，为数据分析与机器学习打下扎实基础。

numpy是许多开发者从“写脚本”迈向“做数据”的第一站，但初学者常被“多维数组”“广播”“向量化”这些词劝退。其实这些概念并不神秘，下面用通俗的语言和完整的代码示例，把numpy一次讲透。

一、numpy是什么：一句话说清定位

一言以蔽之：numpy是Python中基于数组对象的科学计算基础库。把它拆开，可以提炼出三个关键词：

  • n维数组对象（ndarray）：numpy的灵魂，所有功能都围绕它展开；
  • 广播机制（broadcasting）：让形状不同的数组也能直接做运算；
  • 成套的科学计算API：求和、均值、矩阵运算、随机数……开箱即用。

Python能成为数据科学领域的主流语言，numpy居功至伟——大量数据分析和机器学习相关的框架，都直接以numpy数组作为最基础的数据交换格式。先把numpy吃透，后续学习任何数据处理、算法建模的内容都会顺畅得多。

二、为什么需要numpy：Python列表差在哪

Python自带的list灵活有余、效率不足，原因有三：

  1. list里的每个元素本质是一个“指针”，指向散落在内存各处的对象，访问时需要多次跳转；
  2. list允许混装不同类型的数据，底层无法针对单一类型做极致优化；
  3. 对list做数值运算往往要写for循环，每个元素都要经过解释器调度，数据一大，开销急剧上升。

ndarray的设计正好反其道而行之：

  • 同类数据：一个数组只装一种类型的元素，数据整块连续存储，CPU读取效率更高；
  • 向量化运算：一条语句对整个数组生效，底层由高度优化的编译代码批量完成，跳过了逐元素的解释开销。

示意对比：

  1. import numpy as np
  3. data = [1, 2, 3, 4, 5]
  5. # 纯Python：列表推导式逐元素计算
  6. result_list = [x ** 2 for x in data]
  8. # numpy：直接对整块数组运算
  9. arr = np.array(data)
  10. result_arr = arr ** 2
  11. # array([ 1,  4,  9, 16, 25])

两段代码都只有一行，但当数据量达到十万、百万级时，数组写法通常能取得数倍乃至数十倍的性能优势（具体取决于任务规模与硬件环境），内存占用也更低。这就是“能用数组就不写循环”的由来。

三、如何安装numpy

numpy是一个标准的Python库，用Python官方自带的包管理工具pip即可安装。装好Python后，打开系统的命令行终端，执行：

  1. pip install numpy

验证安装是否成功：

  1. python -c "import numpy; print(numpy.__version__)"

能正常打印版本号即说明环境就绪。两点补充：其一，若下载速度较慢，可以配置镜像源加速；其二，如果使用的是某些科学计算发行版环境，也可以用其自带的包管理工具安装，效果等同。此外，本地机器配置有限时，还可以在百度智能云等云平台开通一台云服务器，用同样的方式搭建Python环境，为后续更大规模的计算留出资源余量。

四、核心对象ndarray：先理解“轴”

ndarray是一系列同类数据的集合，可以进行索引、切片和迭代。理解它最关键的概念是轴（axis）：

  • 一维数组只有1个轴，可以想象成“一行数据”；
  • 二维数组有2个轴：axis 0沿行方向（纵向）、axis 1沿列方向（横向），类似一张表格；
  • 三维数组有3个轴，可以想象成“一摞表格”。
  1. import numpy as np
  3. arr3d = np.array([
  4.     [[ 0,  1,  2], [ 3,  4,  5]],
  5.     [[ 6,  7,  8], [ 9, 10, 11]]
  6. ])
  8. print(arr3d.shape)  # (2, 2, 3)：2张"表格"，每张2行3列
  9. print(arr3d.ndim)   # 3：共三个轴

上面这个数组可以理解成：一摞共2张表格，每张表格2行、3列。以此类推，n维数组就是n个轴。实际应用里，一张彩色图片本质上就是一个三维数组（高×宽×3个颜色通道），这个类比能帮你迅速建立直觉。

日常调试时，最常用的三个“体检属性”是：

  • shape：各轴的长度，如(2, 2, 3)；
  • ndim：轴的个数（维度数）；
  • dtype：元素的数据类型，如int、float等。

五、数组的常见创建方式

1. 从Python序列创建

  1. import numpy as np
  3. # 一维数组，并显式指定类型为int
  4. a = np.array([1, 2, 3], dtype=int)
  5. # array([1, 2, 3])
  7. # 二维数组：传入嵌套序列即可
  8. b = np.array(((1, 2), (3, 4)))
  9. '''
  10. array([[1, 2],
  11.        [3, 4]])
  12. '''

numpy会自动推断元素类型，但在需要严格控制计算性质时（比如保证整数运算不被转成浮点），显式写明dtype是更稳妥的习惯。

2. 按区间生成

np.arange的用法类似Python内置的range，同样是左闭右开：

  1. np.arange(1, 6)
  2. # array([1, 2, 3, 4, 5])
  4. np.arange(0, 10, 2)          # 起点0、终点10（不含）、步长2
  5. # array([0, 2, 4, 6, 8])
  7. np.arange(6).reshape(2, 3)   # 生成后重塑为2行3列
  8. '''
  9. array([[0, 1, 2],
  10.        [3, 4, 5]])
  11. '''

3. 按形状批量生成

初始化和占位时的高频工具：

  1. np.zeros((2, 3))      # 全0数组
  2. np.ones((2, 3))       # 全1数组
  3. np.full((2, 3), 7)    # 用指定值填充
  4. np.linspace(0, 1, 5)  # [0,1]之间等间隔取5个点
  5. # array([0.  , 0.25, 0.5 , 0.75, 1.  ])

4. 创建随机数组

模拟数据、随机初始化都离不开随机数组：

  1. import numpy as np
  3. # 2行2列、取值范围[0, 1)的均匀分布随机数组
  4. np.random.rand(2, 2)
  5. '''
  6. array([[0.99449146, 0.92339551],
  7.        [0.1837405 , 0.41719798]])
  8. '''
  10. # 3行2列、服从标准正态分布的随机数组
  11. np.random.randn(3, 2)
  12. '''
  13. array([[-1.27481003, -1.5888111 ],
  14.        [ 0.16985203, -2.91526479],
  15.        [ 1.75992671, -2.81304831]])
  16. '''
  18. # 在[0, 10)内随机生成2行3列整数
  19. np.random.randint(0, 10, size=(2, 3))
  21. # 固定随机种子，保证结果可复现
  22. np.random.seed(42)

两个新手常踩的坑，特别提醒：其一，rand/randn的形状以独立参数传入，写作rand(2, 2)；而zeros/ones等以元组传入，写作zeros((2, 3))，两种风格不同，极易混淆。其二，写实验代码时先固定随机种子，可以让每次运行结果一致，这是保证实验可复现、方便排查问题的基本做法。

六、索引与切片：取用数据的基本姿势

  1. a = np.arange(12).reshape(3, 4)
  2. '''
  3. array([[ 0,  1,  2,  3],
  4.        [ 4,  5,  6,  7],
  5.        [ 8,  9, 10, 11]])
  6. '''
  8. a[1, 2]       # 第2行第3列：6
  9. a[0]          # 第1行：array([0, 1, 2, 3])
  10. a[:, 1]       # 所有行的第2列：array([1, 5, 9])
  11. a[0:2, 1:3]   # 前2行、第2~3列构成的子数组

除位置索引外，还有两种高频用法：

  • 布尔索引：按条件筛选。a[a > 5]会取出所有大于5的元素；data[data < 0] = 0可以把负值批量置零，是数据清洗的常用手段。
  • 花式索引：用整数列表一次性取多行，如a[[0, 2]]取出第1、3行。

一个必须知道的细节：通过基本切片得到的子数组是原数组的视图而非拷贝，修改子数组会同步影响原数组；如果需要独立副本，请显式调用copy()方法。

七、广播机制：形状不同也能运算

按数学惯例，两个矩阵形状相同才能相加。但numpy允许形状不同的数组直接运算，靠的就是广播。规则可概括为三条：

  1. 从两个数组shape的末尾维度开始逐位比较；
  2. 每一对维度要么相等，要么其中一方为1，要么一方缺失，才算兼容；
  3. 长度为1的维度在运算时被“虚拟拉伸”以匹配另一方——注意这只是计算上的便利，并不真的复制数据。

最简单的广播是数组与标量：

  1. a = np.array([1, 2, 3])
  2. a * 2    # array([2, 4, 6])
  3. a + 10   # array([11, 12, 13])

稍复杂一点的例子：

  1. A = np.ones((3, 1))   # 3行1列
  2. B = np.ones((1, 4))   # 1行4列
  3. A + B                 # 结果形状为(3, 4)

对照规则：(3,1)与(1,4)从末尾比较——末位1对4（1可拉伸为4），首位3对1（1可拉伸为3），于是双方都按(3, 4)参与运算。如果某对维度既不相等、也没有1，运算会直接报错，此时应先用reshape等方法把形状对齐。理解广播后你会发现：numpy代码之所以能写得很短，一半功劳在向量化，另一半就在广播。

八、向量化运算与统计函数

加减乘除、乘方、开方、比较……numpy的运算符和函数都直接作用于整块数组：

  1. a = np.array([1, 2, 3, 4])
  2. a + 1        # array([2, 3, 4, 5])
  3. a * a        # array([ 1,  4,  9, 16])
  4. np.sqrt(a)   # array([1.        , 1.41421356, 1.73205081, 2.        ])

统计函数同样一行搞定，并且可通过axis参数指定沿哪个轴计算：

  1. m = np.arange(12).reshape(3, 4)
  3. m.sum()         # 全局求和：66
  4. m.sum(axis=0)   # 沿axis 0压扁 → 每列的和：array([12, 15, 18, 21])
  5. m.sum(axis=1)   # 沿axis 1压扁 → 每行的和：array([ 6, 22, 40])
  6. m.mean()        # 均值：5.5
  7. m.max(axis=1)   # 每行最大值：array([ 3,  7, 11])
  8. m.std()         # 标准差

记忆技巧：axis等于几，就沿第几个轴把数组“压扁”。按行统计还是按列统计，是日常使用中最容易出错、也最值得练熟的点。

九、小实战：三行代码完成数据标准化

把前面所有知识点串起来，做一个数据预处理中最常见的任务——标准化（把每个特征调整为均值0、标准差1）：

  1. import numpy as np
  3. # 模拟5个样本、3个特征的数据
  4. data = np.random.randn(5, 3)
  6. mean = data.mean(axis=0)   # 每个特征的均值，形状(3,)
  7. std = data.std(axis=0)    # 每个特征的标准差，形状(3,)
  9. normalized = (data - mean) / std

这段代码有两个值得细品的地方：一是axis=0让统计沿样本方向进行，得到的是“每个特征”的统计量；二是data形状为(5, 3)，而mean形状为(3,)，两者并不相同却能直接相减——这正是广播在幕后把(3,)按行匹配到了(5, 3)。若用纯Python实现同样的逻辑，需要两层嵌套循环外加小心维护下标；两相对比，就能体会numpy的表达力所在。

十、总结与学习路线

最后用几句话收束全文：

  • 定位：numpy是Python科学计算的基础库，核心是n维数组对象ndarray；
  • 它快的原因：同类数据 + 连续内存 + 向量化运算 + 广播机制；
  • 上手路径：先掌握数组创建和shape、axis、ndim三个属性，再练索引与切片，然后吃透广播，最后熟练运用统计函数；
  • 练习建议：把日常用for循环处理数字的场景，尝试改写成数组运算，对比代码长度和运行速度，这是建立“数组思维”最快的路径。

numpy是数据分析与机器学习绕不开的地基。把“形状”和“轴”两个概念吃透、再理解广播，你遇到的大部分报错都能自行定位。用好numpy之后，你写出的数值计算代码会更短、更快，也更接近数学表达式本身。

最热文章