python中ndarray的常见函数的用法

NumPy中的ndarray是科学计算核心，提供创建（如np.array、zeros、ones、arange、linspace）、形状操作（reshape、flatten、transpose）、数学统计（sum、mean、argmax、where）及数组拼接与广播等高效函数，掌握后可显著提升数据处理效率。

np.array()：将列表、元组等转换为 ndarray。

• 例如：np.array([1, 2, 3]) 创建一维数组
• 支持指定 dtype：np.array([1.1, 2.2], dtype=int) 强制转为整型

np.zeros() 和 np.ones()：创建全0或全1数组。

• 例如：np.zeros((2, 3)) 创建 2×3 的零矩阵
• 可以指定类型：np.ones(5, dtype=bool) 创建布尔型全1数组

np.arange()：类似 Python 的 range，但返回数组。

• 例如：np.arange(0, 10, 2) 生成 [0, 2, 4, 6, 8]

np.linspace()：在指定区间内生成等间距数值。

立即学习“Python免费学习笔记（深入）”；

• 例如：np.linspace(0, 1, 5) 生成 [0, 0.25, 0.5, 0.75, 1.0]

ndarray.reshape()：改变数组形状，不修改数据。

• 例如：np.arange(6).reshape(2, 3) 变成 2 行 3 列
• 使用 -1 让 NumPy 自动推断维度：arr.reshape(-1, 2)

ndarray.flatten()：返回展平的一维副本。

• 例如：arr = np.array([[1,2],[3,4]]); arr.flatten() 得到 [1,2,3,4]

np.transpose() 或 .T：转置数组。

全功能网上商城

在思高数码商城的基础上经过大量修改完善而成，引入了新的功能 此商城比较简洁，但功能完整。 1.支持产品多图：略图，小图，大图，多图。 2.市场价与热卖价对比。 3.注册与否均可购物。有很多人讨厌注册，这个功能正好迎合了这部分人的使用习惯。 4.除了常见商城的左侧分类树外，还有顶端分类菜单。 5.有友情链接模块。 6.大多功能均制作成独立模块 更新内容： 1.页顶分类菜单——老版本中需要手工修改页面

4

查看详情

• 例如：arr.T 对二维数组行列互换

np.sum(), np.mean(), np.std(), np.min(), np.max()：基本统计运算。

• 可指定轴：np.sum(arr, axis=0) 沿列方向求和（按行合并）
• 例如：二维数组中 axis=0 表示“跨行”，即对每一列操作

np.argmax(), np.argmin()：返回最大/最小值的索引。

• 例如：np.argmax([3,1,4]) 返回 2（索引位置）
• 配合 axis 使用可找每行或每列最值位置

np.where()：根据条件返回索引或选择元素。

• 例如：np.where(arr > 5, arr, 0) 大于5保留，否则设为0

np.concatenate()：沿指定轴拼接数组。

• 例如：np.concatenate((a, b), axis=0) 垂直拼接

np.vstack() / np.hstack()：垂直或水平堆叠。

• np.vstack([a, b]) 等价于 np.concatenate([a,b], axis=0)

广播（Broadcasting）：不同形状数组间自动扩展进行运算。

• 例如：一个 (3,3) 数组可以和一个长度为3的数组相加，NumPy 会自动对行扩展
• 这是实现高效向量化计算的关键机制

以上就是python中ndarray的常见函数的用法的详细内容，更多请关注php中文网其它相关文章！