2.2.3.6 高级构造方法

(1) np.loadtxt

data = np.loadtxt('data.txt')  # 读取文本文件

(2) np.genfromtxt

data = np.genfromtxt('data.csv', delimiter=',')  # 支持复杂格式

2.2.3.7 创建方法推荐场景

场景	推荐方法	优点
快速初始化全0/全1数组	np.zeros/np.ones	内存预分配，明确值
生成数值序列	np.arange/np.linspace	灵活控制范围和步长
创建单位矩阵或对角矩阵	np.eye/np.diag	数学运算专用
高性能预分配内存	np.empty	速度最快（需手动初始化）
随机数据生成	np.random 模块	模拟实验数据

2.2.4  ndarray的数据类型

数据类型	类型代码	说明
bool		布尔类型
int8、uint8int16、uint16int32、uint32int64、uint64	i1,u1i2,u2i4,u4i8,u8	有符号、无符号的8位（1字节）整型有符号、无符号的16位（2字节）整型有符号、无符号的32位（4字节）整型有符号、无符号的64位（8字节）整型
float16float32float64	f2f4或ff8或d	半精度浮点型单精度浮点型双精度浮点型
complex64complex128	c8c16	用两个32位浮点数表示的复数用两个64位浮点数表示的复数

创建数组时可以使用dtype参数指定元素类型：

arr1 = np.array([1, 2, 3], dtype=np.float64)
# [1. 2. 3.]

arr2 = np.array([0.2, 2.5, 4.8], dtype="i8")
# [0 2 4]

也可以使用ndarray.astype()方法转换数组的元素类型：

arr1 = np.array([1, 2, 3], dtype=np.float64)
# [1. 2. 3.]
arr2 = arr1.astype(np.int64)
# [1 2 3]

数据类型深度解析

# 显式指定数据类型
arr = np.array([1, 2, 3], dtype=np.float32)

# 类型转换
int_arr = arr.astype(np.int32)

# 内存优化示例
large_arr = np.ones(1000000, dtype=np.float64)  # 占用8MB
optimized = large_arr.astype(np.float32)        # 优化为4MB

2.2.5  索引与切片技巧

索引/切片类型	描述/用法	示例代码	示例输出
基本索引	通过整数索引直接访问元素。索引从0开始。	arr = np.arange(1, 10).reshape(3,3)<br>print(arr[1, 2])	6（第2行第3列的元素）
行/列切片	使用冒号 : 切片语法选择行或列的子集。	print(arr[:, 1])<br>print(arr[::2, ::2])	[2 5 8]（所有行的第2列）<br>[[1, 3], [7, 9]]（隔行隔列取样）
连续切片	从起始索引到结束索引按步长切片。	arr = np.arange(10)<br>print(arr[2:9:2])<br>print(arr[2:])	[2 4 6 8]（索引2到8，步长2）<br>[2 3 4 5 6 7 8 9]（索引2到最后）
使用 slice 函数	通过 slice(start, stop, step) 定义切片规则。	print(arr[slice(2, 9, 2)])	[2 4 6 8]（等效于 arr[2:9:2]）
布尔索引	通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。	data = np.random.randn(100)<br>print(data[(data > 0.5) & (data < 1.0)])	输出满足条件 0.5 < data < 1.0 的元素数组。

arr = np.arange(1, 10).reshape(3,3)
print(arr[1, 2])       # 第2行第3列 → 6
print(arr[:, 1])       # 所有行的第2列 → [2 5 8]
print(arr[::2, ::2])   # 隔行隔列取样 → [[1,3],[7,9]]

# 布尔索引实战
data = np.random.randn(100)
print(data[(data > 0.5) & (data < 1.0)]) # 条件筛选

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。

可以通过内置的slice函数，或者冒号设置start, stop及step参数进行切片，从原数组中切割出一个新数组。

import numpy as np
arr = np.arange(10)
print(arr)
# [0 1 2 3 4 5 6 7 8 9
#获取索引为2的数据
print(arr[2])
# 2

# 从索引 2开始到索引9(不包含)停止，间隔为2
print(arr[slice(2,9,2)])
# [2 4 6 8]

# 从索引2开始到索引9(不包含)停止，间隔为2
print(arr[2:9:2])
# [2 4 6 8]

# 从索引2开始到最后(不包含)，默认间隔为1
print(arr[2:])
# [2 3 4 5 6 7 8 9]

# 从索引2开始到索引9(不包含)结束，默认间隔为1
print(arr[2:9])
# [2 3 4 5 6 7 8]

1. 切片语法规则：start:stop:step，左闭右开区间（包含 start，不包含 stop）。
2. 布尔索引限制：布尔数组的维度需与原数组匹配。
3. 内存共享特性：切片返回的是原数组的视图（共享内存），修改切片会影响原数组。需用 copy() 创建独立副本。