Numpy np.array()函数使用详解与参数指南

一只小鹿

发布时间：2026-10-16| 20人浏览过

原创

本文详细介绍Numpy中np.array()函数的核心用法。涵盖ndarray对象特性、object与dtype参数的类型转换规则、copy参数对内存地址的影响、ndmin升维操作及subok参数对子类的处理。通过代码示例解析不同场景下的数组创建与行为差异，帮助开发者高效掌握Numpy数组基础操作。

1、Numpy ndarray对象

numpy中的ndarray对象代表一个n维数组，其核心限制在于只能存储具有相同数据类型的元素序列。

#一维数组
[1,2,3,4]	#shape(4,)

#二维数组
[[1,2,3,4]]	#shape(1,4)

[[1,2,3,4],
 [5,6,7,8]]	#shape(2,4)

#三维数组
[
    [[1,2,3],[4,5,6]],
    [[7,8,9],[10,11,12]]
]	#shape(2,2,3)

2、创建numpy数组

np.array()函数的基本语法中，object参数为必填项，用于指定输入数据；其余参数如dtype、copy、order、ndmin和subok均为可选参数，用于控制数组的具体行为。

import numpy as np
np.array(object，dtype,copy=True,order,ndmin,subok=Fasle)
#	object: 一个数组序列，例如[1,2,3,4]
#	dtype: 更改数组内的数据类型
#	copy: 数据源是ndarray时数组能否被复制，default=True
#	order: 选择数组的内存布局，C(行序列)|F(列序列)|A(默认)
#	ndmin: 数组维度
#	subok: bool类型，True，使用object的内部数据类型；False,使用object的数组的数据类型，default=Fasle

创建存储元素类型不同的数组：

#int型
import numpy as np
a=np.array([1,2,3,4],dtype=int)	#"dtype="可省略
print(a)
a.dtype
'''
输出：
[1 2 3 4]
dtype('int32')
'''

#float型
b=np.array([1,2,3,4],dtype=float)
print(b)
b.dtype
'''
输出：
[1. 2. 3. 4.]
dtype('float64')
'''

创建生成器：

a=np.array([i*10 for i in range(10)])
print(a)
b=np.array([i+2 for i in range(10)])
print(b)
'''
输出：
[ 0 10 20 30 40 50 60 70 80 90]
[ 2  3  4  5  6  7  8  9 10 11]
'''

当输入的object包含不同类型元素时，Numpy会自动保留存储空间最大的数据类型以兼容所有元素。

x1=np.array([1,2,3,4,5.1])
print(x1)
x2=np.array([1,2,3,'a'])
print(x2)
x3=np.array([1,2.1,'a'])
print(x3)
'''
输出：
[1.  2.  3.  4.  5.1]
['1' '2' '3' 'a']
['1' '2.1' 'a']
'''

当多维数组中各子序列的元素个数不一致时：

x=np.array([[1,2,3],[1,2,3,4],[1,2,3,4,5]],dtype=object) 	#存储长度不一致序列时，应有“dtype=object”，否则会报错
print(x)
print(x.shape)
print(x.ndim)	#输出数组的维度，2Darray强制转换成1Darray
'''
输出：
[list([1, 2, 3]) list([1, 2, 3, 4]) list([1, 2, 3, 4, 5])]
(3,)
1
'''

float强制转化为int（向下取整）：

a=np.array([1,2,3.1],int)
b=np.array([1,2,3.7],int)
print(a)
print(b)
'''
输出：
[1 2 3]
[1 2 3]
'''

使用copy参数定义是否创建副本：

#默认copy=True情况下，复制创建x1的副本为x2
x1=np.array([1,2,3])
x2=np.array(x1)
print('x1 ',id(x1),'x2',id(x2))
#更改x2的值，x1的值不会发生改变，反之，修改x1的值，x2也不会发生改变，因为二者地址不同
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
输出：
x1  2055556179312 x2 2055300844976   x1 x2地址不同
x1 [1 2 3]
x2 [  1   2 100]
'''

#copy=Fasle情况下，复制创建x1的副本为x2
x1=np.array([1,2,3])
x2=np.array(x1,copy=False) 
print('x1 ',id(x1),'x2',id(x2))
#更改x2的值，x1的值会发生改变,且x1永远等于x2，因为二者地址相同
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
输出：
x1  2055300125584 x2 2055300125584   x1 x2地址相同
x1 [  1   2 100]
x2 [  1   2 100]
'''

#另一种创建副本方法：copy() 这种方法更常用
x1=np.array([1,2,3])
x2=x1.copy()
print('x1 ',id(x1),'x2',id(x2))
#更改x2的值，x1的值不会发生改变
x2[2]=100
print('x1',x1)
print('x2',x2)
'''
输出：
x1  2055556233040 x2 2055556062160
x1 [1 2 3]
x2 [  1   2 100]
'''

注意：如果直接使用x2=x1的形式复制array，此时x1和x2将共用同一个内存地址，修改其中一个会影响另一个。

使用ndmin参数改变数组维度（仅升维有效，降维无效）：

a=np.array([1,2,3,4],ndmin=2)
print('a ',a)
b=np.array([[1,2],[1,2]],ndmin=3)
print('b ',b)
#2D降维成1D，但输出结果仍为2D
c=np.array([[1,2],[1,2]],ndmin=1)
print('c ',c)
'''
输出：
a  [[1 2 3 4]]
b  [[[1 2]
  [1 2]]]
c  [[1 2]
 [1 2]]
'''

使用subok参数（布尔值）确定是否保留原始数据类型：

x1=np.mat([1,2,3])
a1=np.array(x1) #存储为原类型
b1=np.array(x1,subok=True)  #存储为数组类型
print('x1 ',type(x1),'a1 ',type(a1),'b1 ',type(b1))

#原始格式为list，无论subok为何值都转换成数组类型
x2=[[1,2],[1,2],[1]]
a2=np.array(x2,dtype=object) #存储为原类型
b2=np.array(x2,dtype=object,subok=True)  #存储为数组类型
print('x2 ',type(x2),'a2 ',type(a2),'b2 ',type(b2))
'''
输出：
x1  <class 'numpy.matrix'> a1  <class 'numpy.ndarray'> b1  <class 'numpy.matrix'>
x2  <class 'list'> a2  <class 'numpy.ndarray'> b2  <class 'numpy.ndarray'>
'''