Python多维数组存储详解（从零开始掌握NumPy多维数组的创建与存储）

为什么使用NumPy？

NumPy 是Python中用于科学计算的核心库，它提供了高效的NumPy数组存储机制。相比Python原生列表，NumPy数组在内存中连续存储，访问速度更快，且支持向量化操作，极大提升了计算效率。

安装与导入NumPy

如果你还没安装NumPy，可以通过以下命令安装：

pip install numpy

然后在代码中导入：

import numpy as np

创建多维数组

1. 从Python列表创建

# 一维数组arr1d = np.array([1, 2, 3, 4])# 二维数组arr2d = np.array([    [1, 2, 3],    [4, 5, 6]])# 三维数组arr3d = np.array([    [[1, 2], [3, 4]],    [[5, 6], [7, 8]]])print("二维数组：\n", arr2d)

2. 使用NumPy内置函数创建

# 创建全0数组（3行4列）zeros = np.zeros((3, 4))# 创建全1数组（2层，3行，2列）ones = np.ones((2, 3, 2))# 创建单位矩阵identity = np.eye(3)  # 3x3 对角线为1# 创建等差序列并重塑为多维arr = np.arange(12).reshape(3, 4)  # 0到11共12个数，变成3x4矩阵

多维数组的基本属性

了解数组的形状和数据类型非常重要：

arr = np.array([[1, 2, 3], [4, 5, 6]])print("形状（shape）:", arr.shape)     # 输出: (2, 3)print("维度（ndim）:", arr.ndim)       # 输出: 2print("元素总数（size）:", arr.size)   # 输出: 6print("数据类型（dtype）:", arr.dtype) # 输出: int64（可能因系统而异）

存储与加载多维数组

在实际项目中，我们经常需要将多维数据存储到磁盘，以便下次使用。NumPy提供了简单的方法：

1. 保存为 .npy 文件（二进制格式，高效）

# 保存np.save('my_array.npy', arr2d)# 加载loaded_arr = np.load('my_array.npy')print(loaded_arr)

2. 保存为文本文件（如CSV）

# 保存为CSV（仅适用于二维数组）np.savetxt('my_array.csv', arr2d, delimiter=',')# 从CSV加载csv_arr = np.loadtxt('my_array.csv', delimiter=',')

常见操作技巧

• 索引与切片：arr[0, 1] 获取第一行第二列；arr[:, 1] 获取所有行的第二列
• 数组重塑：arr.reshape(2, 6) 将数组变形为2行6列
• 广播机制：不同形状的数组可进行算术运算（如加一个标量）

总结

通过本文，你已经掌握了Python多维数组的基本概念、创建方法、属性查看以及存储加载技巧。无论是进行数据分析还是深度学习，熟练使用NumPy数组存储都是必不可少的技能。赶快动手试试吧！

记住，实践是最好的老师。尝试自己创建不同维度的数组，并保存/加载它们，你会对多维数据存储有更深刻的理解。