简介这是一份面向Python初学者、数据分析入门者及需要系统掌握科学计算基础的学习者的NumPy指南配套代码包围绕ndarray核心数据结构展开覆盖创建、操作、变换等关键主题适用于教学、自学和日常查阅。压缩包共147个文件其中123个为可直接运行的Python脚本还有readme说明文档、csv示例数据、mat数据文件及少量辅助文件整体约65KB轻量便携便于随用随取。目前已有389人学习下载内容适合作为实验课配套材料也可用于复习NumPy基础。代码示例循序渐进涵盖数组创建与属性查看、数据类型转换、索引切片、广播机制、常用统计方法、排序及reshape/transpose等核心操作每个示例均配合清晰输出结果可帮助读者直观理解NumPy的高效数组运算方式为后续数据分析、机器学习与图像处理实践夯实基础。1. 为什么说 NumPy 的代码能跑通和能改对是两回事照着别人的 NumPy 示例敲一遍能运行换成自己的数据立刻翻车这种事我在带新人时见过太多次。很多人以为 NumPy 只是数组容器装上就能用实际上它的视图、副本、广播、dtype 这些机制任何一个理解偏差都会让结果静悄悄出错而且不报任何异常。这份 python-NumPy 学习指南代码是一套按知识点拆分的可运行脚本覆盖数组创建、索引切片、广播机制、线性代数与随机数模块每一段代码都能直接跑、能改参数看反馈。适合刚学完 Python 语法、准备切入数据处理和科学计算的从业者也适合需要快速校准 NumPy 边界行为的熟手。2. 从列表到 ndarray数组创建、 dtype 与内存布局的一次性理顺2.1 五种高频创建方式按实际使用频率排过序打开这份代码包的第一印象是目录很规整每个脚本开头都写清了目标、参数注释和预期输出。我一般会先跑01_数组创建.py它的核心就是把五种最常用的构造方式放在一起对比而不是逐个孤立地给例子。import numpy as np a np.array([1, 2, 3]) # 从已有列表创建dtype 自动推断 b np.arange(0, 4, 0.5) # 等间距序列结束值不包含 c np.linspace(0, 1, 5) # 等间隔序列闭区间默认包含 1.0 d np.zeros((2, 3), dtypenp.float64) e np.ones((3, 2)) f np.full((2, 2), 7) g np.eye(3)这段代码把np.array、np.arange、np.linspace、np.zeros/ones/full、np.eye一次铺开适合建立手感。np.array适合小规模数据和已有 Python 列表的转换dtype 由数据自动推断整数列表默认是int64写入浮点数就会自动转float64。np.arange的三个参数是 start、stop、stepstop 不包含在结果里写0.5步长时容易得到小额浮点误差这是很多后续比较失败的起点。np.linspace的参数是 start、stop、num它包含 stopnum默认为 50。想要首尾都落位就用它想要 open 区间就把endpointFalse加上。np.full((2,2), 7)填的是一个标量实际工作里常用来初始化权重矩阵或占位数组。np.eye(3)生成单位阵代码包之后做线性代数示例时会反复用到。我第一次用arange(0, 1, 0.1)然后拿去和linspace(0, 1, 10)做array_equal发现结果是 False就是因为浮点累积误差所以后来给打印对比都换成np.allclose。2.2 dtype、astype 与 reshape哪些操作生成副本哪些只换了个读法创建完数组后代码包立刻进入 dtype 和内存属性的训练这是新手最容易忽略的部分。x np.array([[1, 2], [3, 4]], dtypenp.int32) y x.astype(np.float32) # astype 总是生成副本 z x.reshape((4,)) # reshape 在内存连续时可返回视图 print(x.dtype, x.shape, x.ndim, x.size) print(x.itemsize, x.nbytes, x.strides) print(np.shares_memory(x, y), np.shares_memory(x, z))这里的关键是 d的类型转换与形状变换语义astype(np.float32)一定会复制数据改y不会影响x。如果不想要这个副本直接写x x.astype(...)在逻辑上等价但中间还是会多一次内存分配。reshape((4,))在内存连续时返回视图np.shares_memory会告诉你能不能安全地只读使用。strides是沿着每个维度前进一个元素时跳过的字节数它解释了为什么转置后的数组底层数据没有动只是读取方式变了。我再补一个实际场景很多人在读数据后顺手df.values.reshape(-1, 1)去做计算却不知道原始 DataFrame 的底层数组是被共享的。判断“到底会不会动到原数据”最靠谱的办法就是np.shares_memory比猜可靠得多。2.3 拿到代码包后先做三个属性检查避免后面全程带病运行你不需要把每个示例的结果背下来但拿到任何 NumPy 代码包后先让每个数组把身份信息吐一遍是值得养成的习惯。代码包在每个脚本末尾常放一段检查代码我一般会直接跑def inspect_array(arr, name): print(f{name}: shape{arr.shape}, dtype{arr.dtype}, fndim{arr.ndim}, nbytes{arr.nbytes}) return arr inspect_array(b, arange_result) inspect_array(c, linspace_result)三个检查项分别有不同的用途shape决定广播和矩阵运算的走向shape 对不上是绝大多数运行时错误的来源。dtype决定后续计算会不会发生隐式类型提升整数数组做除法得到浮点数组、两个小整数相加溢出都是 dtype 没看住的表现。nbytes用来估算内存占用处理几千乘几千的矩阵时心里有数不会无缘无故把机器跑死。这套检查我之前只在调试时用后来发现它真正值钱的地方在于把所有脚本一口气运行完先看这些基本信息再谈结果能把很多“明明照敲却结果不对”的问题挡在门外。3. 索引、切片与视图/副本改一处连带另一处的隐藏联动3.1 普通切片是视图花式索引是副本别等数据被改坏才回头查NumPy 里最贵的认知点就是切片slice与索引index返回的东西根本不是同一类。普通切片返回的是原数组的视图花式索引和布尔索引返回的是副本。代码包里专门有一个脚本从打印地址开始验证这件事。arr np.arange(12).reshape(3, 4) view_slice arr[1:3, 1:3] # 普通切片视图 fancy_idx arr[[0, 2], [1, 3]] # 花式索引副本 view_slice[0, 0] 99 print(arr) # 原数组的第 1 行第 1 列也变成 99 print(np.shares_memory(arr, view_slice)) print(np.shares_memory(arr, fancy_idx))这段输出最能说明问题第一步把视图里的元素改成 99原数组同一个位置也变成 99说明底层是同一块内存。np.shares_memory一个返回True、一个返回False是代码包刻意留下的判断证据。实际项目里最典型的翻车现场是从大数组里抽出一个子块原地把异常值改掉期望原数组保持不变结果原数组被连带污染后面所有统计全部失真。解决办法不神秘如果子块后续会被修改并且不想动原数组显示调用.copy()如果确实想改原数组普通切片反而是合理选择别多此一举。3.2 布尔索引做条件筛选配合 np.where 完成批量替换数据清理场景里布尔索引是最常用的筛选手段代码包用一个包含 NaN 的一维数组演示了完整流程。data np.array([1, 5, np.nan, 8, -2, 3, 10]) mask (data 0) (np.abs(data) 10) clean data[mask] print(clean) print(np.where(np.isnan(data), 0, data))这里有几个容易踩的细节mask必须加括号(data 0) (np.abs(data) 10)里每一个比较都先包成布尔数组再做与运算漏括号会触发运算符优先级陷阱。布尔索引返回的是副本clean里改动不会影响data。np.where(condition, x, y)是三目运算符的向量化版本np.where(np.isnan(data), 0, data)把所有 NaN 替换成 0保留其余原始值。实际做数据清洗时我通常会把布尔索引和np.where组合使用先用布尔索引定位问题样本再用np.where做条件替换。比 pandas 的链式操作更直白也更容易看到中间数据长什么样。3.3 组合索引时副本与视图的判断方法当你把普通切片、花式索引、布尔索引混在一个表达式里时代码包给出的建议是先拆开再做而不是追求一行写完。base np.arange(20).reshape(4, 5) row_mask np.array([True, False, True, False]) part1 base[row_mask] # 布尔索引副本 part2 part1[:, 1:4] # 普通切片仍然是 part1 的视图 part3 part2[[0], :] # 花式索引又是一个新副本混合索引的判断规则是碰过布尔索引或花式索引的步骤就已经产生副本后面再切片只影响这个副本。代码包建议不要一次性写太复杂把中间结果用变量接住每隔一步打印一次np.shares_memory比事后追查高效得多。判断方法可以总结成一个习惯遇到“视图还是副本”的疑问直接运行下面的最小片段a np.zeros((3, 3)) sub a[1:, 1:] print(np.shares_memory(a, sub)) # True 表示视图False 表示副本用shares_memory代替肉眼检查是我在很多次改坏源数据之后总结出来的强制动作。4. 广播机制与通用函数向量化运算从会用到不踩雷4.1 广播的三条规则先对齐尾部维度再逐维度扩展广播可能是 NumPy 里最玄学的部分因为它既管用又总是悄悄改变结果的形状。代码包用一个形状对比图把三条规则讲得很清楚我当时照着跑了一遍才真正记住。a np.ones((3, 1)) b np.ones((1, 4)) c a b print(c.shape) # (3, 4)二维外积结构 x np.array([1, 2, 3]) # shape (3,) y np.array([[10], [20]]) # shape (2, 1) z x y print(z.shape) # (2, 3)广播的三条规则分别是规则一从尾部维度开始对齐两个 shape 的尾部必须满足相等或其中一个是 1。规则二缺失的维度按 1 补齐比如(3,)与(2,1)配对时x先变成(1,3)再广播。规则三维度为 1 的轴会被拉伸到和另一个数组一致最终结果是两个 shape 各位置取最大值。前面第二段代码的输出x y的结果是(2,3)而非(3,)这让很多新手意外。实际项目里这种意外经常出现在“给每一行加上同一个向量”的时候期望得到按行加的(2,3)结果广播规则给了你这个却没有提示。代码包留给我的习惯是广播之前打印一遍两边的 shape然后再看结果形状三行检查能省下一整晚查错时间。4.2 axis 参数与聚合函数沿哪个轴缩减keepdims 要不要加聚合函数的文档看十遍不如在三维数组上跑一遍。代码包里的02_聚合统计.py用一个 3 行 4 列矩阵演示了 axis 的语义。m np.arange(12).reshape(3, 4) print(m.sum(axis0)) # 沿第 0 维行方向求和处理结果是每列的累加 print(m.max(axis1, keepdimsTrue)) # 沿第 1 维列方向取最大保留维度 col_sums m.sum(axis0) print(col_sums.shape) # (4,) row_max m.max(axis1, keepdimsTrue) print(row_max.shape) # (3, 1)两个参数值得单独说明axis0表示沿着第 0 维移动把第 0 维消掉。m.sum(axis0)的结果是一个长度为 4 的数组因为在列方向累加。keepdimsTrue保留被缩减的维度(3,)变成(3,1)这样后续与m做广播时形状更友好不会出现(3,)与(3,4)的规则冲突。代码包里的练习还会演示np.mean、np.std、np.cumsum的 axis 用法规律是一致的。我自己的习惯是拿一个二维小数组先试 axis0 和 axis1 的结果再套到真实数据上可以显著降低“结果形状对不上”的报错频次。4.3 ufunc 的四种调用形态直接计算、reduce、accumulate、outerufunc 是 NumPy 通用函数的简称add、multiply、power都属于 ufunc。代码包这节给出的四种调用形态是让代码从“能算”走向“会算”的关键。arr np.array([1, 2, 3, 4]) print(np.add.reduce(arr)) # 把数组元素逐个相加等价于 sum print(np.add.accumulate(arr)) # 逐步累加返回每一步的结果 [1, 3, 6, 10] print(np.multiply.outer(arr, arr)) # 两两相乘得到外积矩阵 np.add.at(arr, np.array([0, 0, 2]), 10) # 在指定位置反复累加 print(arr)四种形态对应四种实战场景reduce适合把任意多维参与沿着一个轴做累积归约比手写循环快得多。accumulate常用于记录过程量比如每日累计销售额。outer生成外积在做距离矩阵、核矩阵时很方便。at支持在指定索引位置重复累加比循环里做arr[idx] val语义更可靠不会有索引重复时只累加一次的坑。代码包03_通用函数.py的最后还给了一个小练习把np.sin(x) * x这种逐元素表达式放到一万个样本上比较 for 循环和 ufunc 的耗时。实际跑下来差距通常是几十倍起步这也是我后来坚持让团队新成员用 ufunc 替代逐元素 Python 循环的原因。5. 避坑与常见问题排查三个 NumPy 静默出错的高发场景5.1 视图污染源数据切片改值原数组跟着变现象从大数组里切出一块子数组把子数组里的异常值替换掉准备拿原数组继续计算结果发现原数组也被改了。原因普通切片返回的是视图底层内存共享子数组原地赋值等于直接修改原数组。解决明确语义不想改动原数组就调用.copy()想改原数组就用视图。不要靠猜。判断代码可以这样写sub arr[1:3, 1:3].copy() sub[0, 0] -1 print(np.shares_memory(arr, sub)) # False确认安全这个坑我在做模拟项目 Y 的数据清洗时栽过一次从那以后凡是切片后还要赋值的场景我都会强制写一行np.shares_memory检查再决定是否保留副本。5.2 广播误判代码能跑结果却是外积而不是逐行加现象一个(4,1)的列向量和一个(4,)的一维数组相加本意是按行加结果得到一个(4,4)的矩阵代码没有报错但数据全错。原因(4,)会被广播成(1,4)再与(4,1)配对最终形状变成(4,4)形成外积结构。解决在相加前先查看两边的 shape如果确实希望按行广播给一维数组补一个维度a np.arange(4).reshape(4, 1) b np.arange(4) print((a b).shape) # 意外得到 (4, 4) b2 b.reshape(4, 1) # 或者 b[:, np.newaxis] print((a b2).shape) # 得到 (4, 1)更稳妥的办法是写一个形状断言把意图固化成代码assert a.shape (4, 1), fleft shape should be (4,1), got {a.shape}广播的错误大多不报异常唯一的防御是让 shape 显眼。5.3 随机数复现失效np.random.seed 管不到 default_rng现象顺着代码包跑随机数示例时固定了np.random.seed(42)再调用np.random.default_rng()生成的数据每次都不一样复现失败。原因np.random.seed设置的是旧式全局随机数状态而default_rng使用的是新的Generator体系两者不共享状态。解决统一使用default_rng直接在构造时传种子或者新旧两套都固定但不要混用。推荐写法是rng np.random.default_rng(42) x rng.normal(size(2, 3)) y rng.normal(size(2, 3)) print(x) print(y)代码包04_随机数.py里给出的建议是用同一个rng实例完成所有随机采样。这样既保证顺序又让复现稳定。如果项目里既有遗留代码用np.random.seed、又有新代码用default_rng我一般会优先迁到default_rng否则排查复现问题容易变成两套体系互相干扰。6. 进阶向量化链路与代码包自查验证拿到任何 NumPy 学习代码我只信一种验证方式把全部脚本从头到尾跑一遍再主动改参数看结果是否随参数按预期变化。只有“能复现 能变对”的代码才算真正消化了。跑性能示例时我会用time.perf_counter对比 Python 循环和向量化写法import time import numpy as np x np.linspace(0, 10, 1_000_000) t0 time.perf_counter() s np.sum(np.sin(x) * x) t1 time.perf_counter() print(fvectorized: {t1 - t0:.6f} s, result{s:.4f})对比项至少包含一个np.allclose数值断言确保加速不是以误差为代价slow sum(np.sin(x[i]) * x[i] for i in range(len(x))) fast np.sum(np.sin(x) * x) print(np.allclose(slow, fast)) # True代码里还有几个值得沿用的验证技巧先确认环境版本运行脚本前打印np.__version__跑完每个示例后用np.testing.assert_allclose对齐预期结果涉及随机数的脚本固定种子并保存中间数组方便对比两次运行是否一致。这些动作组合下来能把“代码能跑”和“结果可信”之间的差距填平。我自己现在拿到任何 NumPy 代码包都会先走一遍全量运行、改参数、查形状、看版本这套流程确认没有视图污染和广播误判后再进入业务逻辑。希望帮到你。本文还有配套的精品资源点击获取