Python 数据分析基础：NumPy 数组创建与操作详解

说到这个，我们就要来讨论一下数组的类型，或者称为数据的类型。常用的主要有以下四种：bool、int、float、string。

• bool：也就是我们高中学过的布尔，可以包含 True、False。
• int：可以包含 int16、int32、int64。其中数字是指 bits。
• float：可以包含 16、32、64，表示小数点后精度。
• string：可以是 string、unicode。

而有时可能会出现 nan，则表示遗失值。那接下来，我们来一个前面的汇总。

import numpy as np
a = np.arange(15).reshape(3, 5)
a
# array([[ 0,  1,  2,  3,  4],
#        [ 5,  6,  7,  8,  9],
#        [10, 11, 12, 13, 14]])

然后我们来逐个查看一下数据的内容：

print(a.shape)
print(a.ndim)
print(a.dtype.name)
print(a.itemsize) # bytes
print(a.size)
print(type(a))

输出的结果：

(3, 5)
2
int64
8
15
<class 'numpy.ndarray'>

大家都看明白了吧？所以我们要掌握的第一步就是创建数组，使用 np.array() 将 Python list 换为 numpy array。

a = np.array([2, 3, 4])
print(a)
print(a.dtype)
b = np.array([1.2, 3.5, 5.1])
print(b.dtype)

输出结果：

[2 3 4]
int64
float64

除了人为的添加进去数组的内容，我们当然也可以通过函数的方式添加，比如下面两个函数：np.arange() 和 np.linspace()。

我们先来通过观察下面的结果看看两者的区别：

from numpy import pi
print(np.arange(10, 30, 5))
print(np.arange(0, 2, 0.3))
print(np.linspace(0, 2, 9))

出来的结果：

[10 15 20 25]
[0.  0.3 0.6 0.9 1.2 1.5 1.8]
[0.   0.25 0.5  0.75 1.   1.25 1.5  1.75 2.  ]

事实上，两者的区别就在于：

• arange() 类似于内置函数 range()，通过指定开始值、终值和步长创建表示等差数列的一维数组，注意得到的结果数组不包含终值。
• linspace() 通过指定开始值、终值和元素个数创建表示等差数列的一维数组，可以通过 endpoint 参数指定是否包含终值，默认值为 True，即包含终值。这就是两者的差别。

当然还有更多函数，比如：

• np.random.rand()：生成均匀分布的随机数。
• np.random.randn()：生成标准正态分布的随机数。
• np.fromfunction()：根据函数生成数组。
• np.fromfile()：从文件读取二进制数据。

这几个函数，这里我们重点展开一下 random 和 fromfunction 的使用：

# 生成 3x3 的随机矩阵
print(np.random.rand(3, 3))

# 定义一个函数 f(x, y) = 10*x + y
def f(x, y):
    return 10 * x + y

b = np.fromfunction(f, (5, 4), dtype=int)
print(b)

可得到：

[[ 0  1  2  3]
 [10 11 12 13]
 [20 21 22 23]
 [30 31 32 33]
 [40 41 42 43]]

同时数组还能通过指定 axis 来查看各行各列的情况。axis=0 表示各行的总称（纵向聚合），axis=1 表示各列的总称（横向聚合）。比如：

b = np.arange(12).reshape(3, 4)
print(b)
print(b.sum(axis=0))
print(b.min(axis=1))
print(b.cumsum(axis=1))

结果显然为：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[12 15 18 21]
[0 4 8]
[[ 0  1  3  6]
 [ 4  9 15 22]
 [ 8 17 27 38]]

大家要注意喔，Python 的行列计数是从 0 开始的哟！

3. 数组索引与切片

这么多种生成数组的方式。那有没有拆分数组呢？俗话说得好，分久必合，合久必分。有分就有合。这是万事万物的自然规律。所以我们再来看看如何切割以及索引数组。

a = np.arange(10)**3
print(a)
print(a[2])
print(a[2:5])
print(a[:6:2])
print(a[::-1])

得到的结果：

[  0   1   8  27  64 125 216 343 512 729]
8
[  8  27  64]
[  0   8  64]
[729 512 343 216 125  64  27   8   1   0]

大家看，第一行其实是制造 10 个从 0 开始的三次方的数字。而我们 print 第 2 个数，显然是 8。再接着，print 第 2 到 5 个数字，得到 8，27，64。所以关键的要点就在于，一定要明白，Python 计数是从第 0 个开始的喔！

再看看两个例子来实操一下：

print(b[2, 3])
print(b[0:5, 1])
print(b[:, 1])
print(b[1:3, :])

可得到：

23
[ 1 11 21 31 41]
[ 1 11 21 31 41]
[[10 11 12 13]
 [20 21 22 23]]

4. 总结与展望

今天我们掌握了 NumPy 的基本知识，包括数组的创建、属性查看、数据类型理解、常用生成函数（arange, linspace, random, fromfunction）以及核心的索引切片操作。

这些是进行数据处理和科学计算的基石。后续我们可以进一步学习广播机制（Broadcasting）、高级索引、视图与副本的区别，以及如何结合 Pandas 进行更复杂的数据分析。

如果你也对 Python 感兴趣，建议多动手敲代码，实践是掌握编程的最佳途径。

希望这篇教程能帮助你顺利打通 Python 数据分析的第一道大关！