多维数组

多维数组构造艺术：NumPy 常用创建方法、形状重构与类型转换精讲

小象实战讲义 · Python数据分析实战

在科学计算与数据分析任务中，构建合适维度与初值的多维数组是所有算法建模的第一步。无论是初始化全 0 的权重矩阵、生成等差的步长序列、构建随机模拟数据集，还是对现有矩阵的行和列进行重新排布（Reshape），NumPy 都提供了极其丰富、高性能的构造与变换工具。本节我们将全面掌握 NumPy 中多维数组创建函数族、**形状动态重塑机制（reshape）与数据类型强制转换（astype）**的高级实战技巧。

💡 核心导读

• 四大核心创建函数族全景：
  • 基于已有序列创建：np.array()；
  • 特殊固定值矩阵：np.zeros()、np.ones()、np.full()、np.eye()（单位矩阵）；
  • 等差与线性序列生成器：np.arange()（指定步长）与 np.linspace()（指定点数）；
  • 随机数生成矩阵：np.random.rand()（均匀分布）、randn()（标准正态分布）、randint()（整数）。
• 形状重构（Reshape）的内在机制：
  • 元素总数守恒定理；
  • 巧用 -1 自动推断未定轴维度；
  • 多维数组展平为一维向量（flatten() 与 ravel() 视图与副本差异）。
• 数据类型转换（astype）：安全降级、浮点整型互转与字符串类型解析。

1. 数组创建函数族与参数规范

在 NumPy 中创建数组时，对于需要指定维度的函数（如 zeros、ones、full），其首个参数必须是表示形状的元组（Tuple）：

┌─────────────────────────────────────────────────────────────┐
│                    NumPy 数组常用创建函数速查表              │
├────────────────────┬────────────────────────────────────────┤
│ 函数语法           │ 功能说明与典型应用                     │
├────────────────────┼────────────────────────────────────────┤
│ np.array(list)     │ 从 Python 列表/嵌套列表转换为 ndarray  │
│ np.zeros((m, n))   │ 创建 m 行 n 列的全 0 浮点矩阵          │
│ np.ones((m, n))    │ 创建 m 行 n 列的全 1 浮点矩阵          │
│ np.full((m, n), 7) │ 创建 m 行 n 列且全填充为 7 的矩阵      │
│ np.arange(0, 10, 2)│ 生成 [0, 2, 4, 6, 8] 等差序列          │
│ np.linspace(0,1,5) │ 在 [0, 1] 闭区间内均匀生成 5 个分位点  │
│ np.eye(n)          │ 生成 n 阶对角线为 1 的单位方阵         │
└────────────────────┴────────────────────────────────────────┘

2. Python 代码实战：数组创建、随机数生成与类型转换

# 示例 1：演练各种常见的数组初始化方法与随机数矩阵

import numpy as np

# 1. 创建全 0 与全 1 矩阵 (注意：形状参数需传元组)
zeros_mat = np.zeros((2, 4), dtype=np.float64)
ones_mat = np.ones((3, 2), dtype=np.int32)
full_mat = np.full((2, 3), 99)

print("=== 1. 特殊值初始化矩阵 ===")
print("全 0 矩阵 (2x4):\n", zeros_mat)
print("全 1 矩阵 (3x2):\n", ones_mat)
print("常数填充矩阵 (2x3):\n", full_mat)

# 2. 等差序列：arange vs linspace
seq_arange = np.arange(1, 10, 2)  # 起始 1，结束 10 (左闭右开)，步长 2
seq_linspace = np.linspace(0, 100, 5)  # 起始 0，结束 100 (闭区间)，生成 5 个等分点

print("\n=== 2. 数值序列生成 ===")
print("arange 步长序列 [1, 10, 2):", seq_arange)
print("linspace 5 等分点 [0, 100]:", seq_linspace)

# 3. 随机数生成 (设置随机种子确保实验可复现)
np.random.seed(42)
rand_uniform = np.random.rand(2, 3)         # [0, 1) 均匀分布
rand_normal = np.random.randn(2, 3)          # 标准正态分布 (均值0, 方差1)
rand_ints = np.random.randint(10, 50, size=(2, 3)) # [10, 50) 整数矩阵

print("\n=== 3. 随机数生成矩阵 ===")
print("均匀分布随机矩阵:\n", np.round(rand_uniform, 3))
print("随机整数矩阵 (10~50):\n", rand_ints)

接下来，我们实操多维数组的形状重构（reshape）与数据类型转换（astype）：

# 示例 2：数组形状重构 (reshape) 与数据类型转换 (astype)

# 1. 数组形状重构
raw_arr = np.arange(12)  # 生成 0 到 11 的 12 个数字
print("\n=== 4. 数组形状变换 (Reshape) ===")
print("原始 1 维向量 (12,):\n", raw_arr)

# 重构为 3 行 4 列的二维矩阵
mat_3x4 = raw_arr.reshape((3, 4))
print("重构为 3 行 4 列矩阵 (3, 4):\n", mat_3x4)

# 巧用 -1 自动推导列数 (设置为 2 行，列数由 NumPy 自动计算 12/2 = 6)
mat_auto = raw_arr.reshape((2, -1))
print("使用 -1 自动推导列数 (2, -1) -> 形状:", mat_auto.shape)

# 将多维矩阵重新展平为一维向量
flattened = mat_3x4.flatten()
print("展平后的向量:", flattened)

# 2. 数据类型转换 (astype)
float_arr = np.array([1.2, 3.8, 5.5, 7.1], dtype=np.float64)
int_arr = float_arr.astype(np.int32) # 浮点截断为整型

str_nums = np.array(["100", "250", "380"])
numeric_arr = str_nums.astype(np.float32) # 字符串数组解析为数值浮点

print("\n=== 5. 数据类型转换 (astype) ===")
print("浮点截断转整型:", int_arr, "| 类型:", int_arr.dtype)
print("字符串转浮点型:", numeric_arr, "| 类型:", numeric_arr.dtype)

📝 动手练一练

1. 原理思考题：在对包含 24 个元素的一维数组执行 arr.reshape((4, -1)) 时，NumPy 是如何确定第二维的具体大小的？如果执行 arr.reshape((5, -1)) 会发生什么？

   👉 点击查看参考答案

   参考答案： ① 计算规则：NumPy 根据元素总数守恒定理，用总元素个数除以已知轴的长度：$24 \div 4 = 6$，因此第二维自动计算为 6； ② 异常情况：$24 \div 5 = 4.8$，无法整除。NumPy 会立即抛出 ValueError: cannot reshape array of size 24 into shape (5,newaxis) 错误。

2. 编程练习：编写一段代码，生成一个 4 行 4 列的对角线为 1 的单位方阵，并将其元素类型从默认的 float64 转换为 int32。

   👉 点击查看参考答案

   参考答案：

   import numpy as np
   
   identity_matrix = np.eye(4, dtype=np.int32)
   print("=== 4阶整型单位矩阵 ===")
   print(identity_matrix)
   print("数据类型:", identity_matrix.dtype)

本章小结

在本节中，我们全面掌握了 NumPy 数组的构造与变形技巧：

• 熟练掌握了 np.array、np.zeros、np.ones、np.arange、np.linspace 等核心创建 API；
• 深入理解了 reshape 的形状变换与 -1 自动推断机制；
• 掌握了使用 astype() 在整型、浮点型与字符串类型间高效安全转换的方法。

📋 行动清单

• 尝试结合 np.arange 与 reshape 快速构建任意维度的测试矩阵。
• 做好准备，进入下一小节学习《多维数组索引、切片、布尔掩码与转置》！

—— 小象教研组