深入理解 NumPy ndarray：结构、创建与索引操作详解

阿橙

发布时间：2026-10-13| 4人浏览过

原创

本文深入解析NumPy核心对象ndarray，涵盖其内存连续存储特性、单一数据类型约束及预编译C语言带来的性能优势。详细讲解ndarray的创建方法（如np.array、linspace、arange等）及一维至三维数组的维度与轴（axis）概念。通过具体代码示例，演示如何从高维到低维进行多维索引操作，帮助开发者直观理解数组排布与索引原理，为后续切片和过滤操作奠定基础。

NumPy ndarray基础与性能优势

NumPy作为Python科学计算领域的基石模块，为pandas、matplotlib等上层库提供了底层支撑。其中，ndarray作为NumPy的核心数据结构，是必须深入研究和理解的关键对象。

ndarray是一种存储单一数据类型的多维数组结构，其在内存中连续分布，并通过行索引和列索引来标记数组中的每一个元素。得益于预编译的C语言代码实现，ndarray在性能表现上具有显著优势。

1、ndarray的数据结构

ndarray的创建方法

2、ndarray的创建

NumPy提供了多种创建数组的方式。此外，其他处理过程也可能生成数组，例如使用cv2.imread读取图片时，返回的即为数组形式。

常用创建函数详解


np.array() # 传入类数组数据结构，list，tuple等，或者其他嵌套序列。返回的维度依据传入的数据而定
np.linspace() # 根据给定的间距生成等差序列，指定元素数量，返回一维数组
np.arange()# 根据给定的间距生成等差序列，指定步长。返回一维数组
np.ones() # 根据传入的shape，返回一个元素全是1的数组
np.zeros() # 根据传入的shape，返回一个元素全是0的数组
np.full() # 根据传入的shape和value，返回一个元素全是value的数组，比前面两个灵活
np.empty() # 根据传入的shape,返回一个元素全是随机化而不是空值的数组
np.genfromtxt() # 从文本文件读取生成一个数组

多维数组的维度与轴概念

3、ndarray的抽象理解

首先创建三个数组，分别为一维、二维和三维数组。

一维至三维数组示例


arr1 = np.arange(3)
arr1
array([0, 1, 2])
---------------------------------------------------------
arr2 = np.arange(9).reshape(3,3)
arr2
array([[0, 1, 2],
    [3, 4, 5],
    [6, 7, 8]])
----------------------------------------------------------
arr3 = np.arange(27).reshape(3,3,3)
arr3
array([[[ 0, 1, 2],
    [ 3, 4, 5],
    [ 6, 7, 8]],

    [[ 9, 10, 11],
    [12, 13, 14],
    [15, 16, 17]],

    [[18, 19, 20],
    [21, 22, 23],
    [24, 25, 26]]])

Python中的arr结构如上述所示，我们将其形象化表示出来，如下图所示。

一维数组仅包含一个维度，也称为rank，只有一个axis轴，即axis=0。二维数组包含两个维度，拥有两个axis轴，分别为axis=0和axis=1。三维数组包含三个维度，拥有三个axis轴，分别为axis=0、axis=1和axis=2。