numpy.array

`numpy.array` 是 NumPy 库中的一个函数，用于创建多维数组。它的语法为：

numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)

其中，参数 `object` 可以是一个 Python 序列（如列表、元组等）或者是一个 NumPy 数组，用于创建多维数组。参数 `dtype` 指定了数组元素的数据类型，如果不指定则会自动推断。参数 `copy` 指定是否复制数组的数据，如果为 False，则创建的数组与原始数组共享数据。参数 `order` 用于指定数组的数据存储顺序，可以是 C（按行存储）或 F（按列存储），默认为 K（按照内存中的存储顺序）。参数 `subok` 指定是否允许子类，如果为 True，则返回子类对象；否则返回 ndarray 对象。参数 `ndmin` 指定返回数组的最小维度，如果指定为非零整数，则返回的数组至少有 `ndmin` 维。

相关问题

numpy.array.reshape

numpy.array.reshape 是 numpy 库中的一个方法，用于调整一个数组的形状。例如，如果一个数组有 6 个元素，可以使用 reshape 将其变为 2 行 3 列的矩阵。这个方法可以用来处理图像、矩阵、和向量等的形状变换。

numpy.array index

在 numpy 中，可以使用整数、切片、布尔值数组和整数数组作为数组的索引。以下是一些示例：

1. 整数索引：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出 1
print(arr[3])  # 输出 4

2. 切片索引：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[1:4])  # 输出 [2 3 4]

3. 布尔值数组索引：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
mask = np.array([True, False, True, False, False])
print(arr[mask])  # 输出 [1 3]

4. 整数数组索引：

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
idx = np.array([0, 2, 4])
print(arr[idx])  # 输出 [1 3 5]

需要注意的是，整数数组索引和布尔值数组索引可以用于多维数组，但是切片索引只能用于一维数组。此外，整数数组索引和布尔值数组索引可以混合使用。