4.1　数组的创建与操作

通过numpy模块中的array函数实现数组的创建，如果向函数中传入一个列表或元组，将构造简单的一维数组；如果传入多个嵌套的列表或元组，则可以构造一个二维数组。构成数组的元素都是同质的，即数组中的每一个值都具有相同的数据类型，下面分别构造一个一维数组和二维数组。

4.1.1　数组的创建

如上结果所示，可以将列表或元组转换为一个数组，在第二个数组中，输入的元素含有整数型和浮点型两种数据类型，但输出的数组元素全都是浮点型（原来的整型会被强制转换为浮点型，从而保证数组元素的同质性）。

使用位置索引可以实现数组元素的获取，虽然在列表中讲解过如何通过正向单索引、负向单索引、切片索引和无限索引获取元素，但都无法完成不规律元素的获取，如果把列表转换为数组，这个问题就可以解决了，下面介绍具体的操作。

4.1.2　数组元素的获取

先来看一下一维数组元素与二维数组元素获取的例子，代码如下：

如上结果是通过位置索引获取一维和二维数组中的元素，在一维数组中，列表的所有索引方法都可以使用在数组上，而且还可以将任意位置的索引组装为列表，用作对应元素的获取；在二维数组中，位置索引必须写成[rows,cols]的形式，方括号的前半部分用于控制二维数组的行索引，后半部分用于控制数组的列索引。如果需要获取所有的行或列元素，那么，对应的行索引或列索引需要用英文状态的冒号表示。但是，要是从数组中取出某几行和某几列，通过[rows,cols]的索引方法就不太有效了，例如：

如上结果所示，第一个打印结果并不是2×2的数组，而是含两个元素的一维数组，这是因为numpy将[[0,-1],[1,3]]组合的理解为了[0,1]和[-1,3]；同样，在第二个元素索引中，numpy仍然将[[0,-1],[1,2,3]]组合理解为拆分单独的[rows,cols]形式，最终导致结果中的错误信息。实际上，numpy的理解是错误的，第二个输出应该是一个2×3的数组。为了克服[rows,cols]索引方法的弊端，建议读者使用ix_函数，具体操作如下：

4.1.3　数组的常用属性

如果不是手工写入的数组，而是从外部读入的数据，此时也许对数据就是一无所知，如该数据的维数、行列数、数据类型等信息，下面通过简短的代码来了解数组的几个常用属性，进而跨出了解数据的第一步。

在numpy模块中，可以通过genfromtxt函数读取外部文本文件的数据，这里的文本文件主要为csv文件和txt文件。关于该函数的语法和重要参数含义如下：

     np.genfromtxt(fname, dtype=<class ‘float’>, comments=’#’, delimiter=None, skip_header=0,
skip_footer=0, converters=None, missing_values=None, filling_values=None, usecols=None,
names=None,)

• fname：指定需要读入数据的文件路径。
• dtype：指定读入数据的数据类型，默认为浮点型，如果原数据集中含有字符型数据，必须指定数据类型为“str”。
• comments：指定注释符，默认为“#”，如果原数据的行首有“#”,将忽略这些行的读入。
• delimiter：指定数据集的列分割符。
• skip_header：是否跳过数据集的首行，默认不跳过。
• skip_footer：是否跳过数据集的脚注，默认不跳过。
• converters：将指定列的数据转换成其他数值。
• miss_values：指定缺失值的标记，如果原数据集含指定的标记，读入后这样的数据就为缺失值。
• filling_values：指定缺失值的填充值。
• usecols：指定需要读入哪些列。
• names：为读入数据的列设置列名称。

接下来通过上面介绍的数据读入函数，读取学生成绩表数据，然后使用数组的几个属性，进一步掌握数据的结构情况。

如上结果所示，读入的学生成绩表是一个二维的数组（type函数和ndim方法），一共包含1380行观测和5个变量（shape方法），形成6900个元素（size方法），并且这些元素都属于浮点型（dtype方法）。通过上面的几个数组属性，就可以大致了解数组的规模。

4.1.4　数组的形状处理

数组形状处理的手段主要有reshape、resize、ravel、flatten、vstack、hstack、row_stack和colum_stack，下面通过简单的案例来解释这些“方法”或函数的区别。

如上结果所示，虽然reshape和resize都是用来改变数组形状的“方法”，但是reshape方法只是返回改变形状后的预览，但并未真正改变数组arr3的形状；而resize方法则不会返回预览，而是会直接改变数组arr3的形状，从前后两次打印的arr3形状就可以发现两者的区别。如果需要将多维数组降为一维数组，利用ravel、flatten和reshape三种方法均可以轻松解决：

如上结果所示，在默认情况下，优先按照数组的行顺序，逐个将元素降至一维（见数组降维的前三行打印结果）；如果按原始数组的列顺序，将数组降为一维的话，需要设置order参数为“F”（见数组降维的后三行打印结果）。尽管这三者的功能一致，但之间是否存在差异呢？接下来对降维后的数组进行元素修改，看是否会影响到原数组arr4的变化：

如上结果所示，通过flatten方法实现的降维返回的是复制，因为对降维后的元素做修改，并没有影响到原数组arr4的结果；相反，ravel方法与reshape方法返回的则是视图，通过对视图的改变，是会影响到原数组arr4的。

vstack用于垂直方向（纵向）的数组堆叠，其功能与row_stack函数一致，而hstack则用于水平方向（横向）的数组合并，其功能与colum_stack函数一致，下面通过具体的例子对这四种函数的用法和差异加以说明。

如上结果所示，前两个输出是纵向堆叠的效果，后两个则是横向合并的效果。如果是多个数组的纵向堆叠，必须保证每个数组的列数相同；如果将多个数组按横向合并的话，则必须保证每个数组的行数相同。