NumPy

NumPy是Python的数值数组库。它的核心对象是 多维数组（ndarray） ：一组同类型元素，加上一份描述维度、数据类型和内存布局的元数据。二维数组可以表示“样本×特征”，三维数组可以表示“图像高度×宽度×通道”，但NumPy本身不会替你记录这些领域含义。

Python列表适合保存异质对象和不断变化的集合，却没有数组级算术的统一语义。[1, 2] * 2会重复列表，而NumPy数组乘以2会逐元素计算。NumPy为规则数值数据提供共同的数组协议，Pandas、SciPy、Matplotlib和许多机器学习工具因此能交换数据，而不必为每次运算编写Python循环。

当数据是规则、稠密、同质的数值网格时，NumPy很合适。带列名和混合类型的表格通常更适合Pandas或Polars；形状高度不规则的对象集合仍可能适合Python容器。这个边界很实用：不要为了“向量化”而把本来不规则的数据硬塞进dtype=object数组。

这里的示例已经在Python 3.14.3和NumPy 2.5.2环境中运行。显示结果经过明确的舍入或列表转换，避免依赖数组的省略规则或终端宽度。

一个数组的三份契约

每个数组都有 形状（shape） 、 数据类型（dtype） 和数据缓冲区。shape是各轴长度组成的元组；ndim是轴数；size是元素总数。dtype决定每个元素如何解释，例如int64、float32或bool。

数组变量还隐含一份领域契约：每个轴代表什么。形状同为(32, 10)的两个数组，可能分别表示32个样本的10个特征，也可能表示32个时间点的10个传感器。NumPy只验证长度能否配合，不会发现轴的业务含义颠倒。

步幅（stride） 说明沿每个轴移动一个位置时跨过多少字节。切片和转置可以只改shape与strides，继续引用同一缓冲区。于是两个外观不同的数组可能共享数据，这也是修改切片有时会改到原数组的原因。

创建数组时确定类型

np.array()从现有Python数据创建数组，np.zeros()、np.ones()和np.full()创建已初始化的规则数组，np.arange()与np.linspace()创建数值序列。业务边界处应显式给出dtype，尤其是整数宽度、浮点精度和输入可能为空时。这样可以避免类型由某一批样本偶然决定。

np.empty()只分配空间，不初始化其中的值。它适合随后会覆盖每个元素的内部实现，不适合当作“空值数组”。如果任何位置可能在赋值前被读取，就应使用带有确定初值的创建函数。

reshape()要求元素总数保持不变。用-1可以让NumPy推导一个轴的长度，但一条形状合法的语句仍可能表达错误的数据布局。重塑前后都要写清每个轴的意义，而不是只检查元素数能否整除。

常见形状操作的差异可以概括如下：

移动与组合轴

转置不是“把任何数组的行列互换”。二维数组的.T确实交换两个轴，但三维数组的.T会反转全部轴顺序。处理批次、通道和空间维度时，transpose()或moveaxis()能把意图写得更明确。

stack()与concatenate()解决不同问题。stack()新建一个轴，例如把十个形状为(64, 64)的图像组合成(10, 64, 64)；concatenate()沿已有轴接长数组。生成代码很容易在这里多出或丢掉一个批次轴。

不带axis的squeeze()会删除所有长度为1的轴。这在测试数据中看似方便，却可能让批量大小为1时的返回值突然少一个维度。公共API应指定要删除的轴，或者干脆保留稳定的批次维度。

np.newaxis就是None的别名，用在索引中可以插入长度为1的轴。values[:, np.newaxis]把(n,)变成(n, 1)，values[np.newaxis, :]则变成(1, n)。两者元素相同，但广播方向完全不同。

组合数组前先验证除目标轴以外的长度。错误消息只能指出某些维度不匹配，不知道一个输入是否使用“通道优先”，另一个却使用“通道最后”。接口中的轴命名比修复一条ValueError更重要。

向量化、通用函数与聚合

向量化（vectorization） 是把计算表达为整个数组上的操作。例如，prices * quantities表示逐元素乘法，np.sqrt(values)把同一个通用函数应用到每个元素。向量化首先改变的是表达方式：循环由NumPy处理，形状与类型规则集中在数组操作中。

sum()、mean()、max()等聚合通过axis指定要消去的轴。对于形状为“样本×特征”的二维数组，axis=0会消去样本轴，留下每个特征的结果；axis=1会消去特征轴，留下每个样本的结果。keepdims=True保留长度为1的轴，后续广播时通常更清楚。

普通算术运算是逐元素的。两个二维数组之间的*不是矩阵乘法；线性代数乘法使用@或np.matmul()。np.linalg.solve()用于求解方阵线性方程组，通常比显式计算逆矩阵再相乘更直接。

广播从尾轴开始

广播（broadcasting） 让不同形状的数组参与逐元素运算。NumPy从最右侧轴开始比较：两个长度相等，或者其中一个长度为1，这一对轴就兼容；缺失的左侧轴按长度1处理。否则运算会抛出形状不兼容错误。

例如，形状为(4, 3)的样本矩阵可以减去形状为(3,)的特征均值，因为尾轴长度都是3。形状为(4,)的样本均值不能直接从它减去，因为尾轴3与4不兼容。把样本均值保留为(4, 1)后，长度为1的尾轴才会沿特征方向广播。

广播描述的是逻辑上的扩展，不等于先创建一份重复数据。不过，算术结果通常仍会分配自己的数组。先预测结果形状，再写表达式；“没有报错”只能证明形状兼容，不能证明轴的含义正确。

索引决定共享还是复制

基本切片，例如array[1:4]或matrix[:, ::2]，通常返回共享数据的 数组视图（array view） 。修改视图中的元素会在原数组中可见。view.base有助于探索，但一串视图的base不一定直接就是手里的原数组，因此判断两个数组是否重叠应使用np.shares_memory()。

整数数组索引和布尔索引属于高级索引，结果是副本。array[[0, 2]]与array[array > 0]后续可以独立修改，但复制会分配新缓冲区。混合基本索引与高级索引时，结果形状也可能与逐轴切片的直觉不同，应该用小输入先确认。

赋值时规则不同：array[mask] = 0会写回原数组，因为索引出现在赋值目标上。相反，先保存selected = array[mask]，再改selected，只会修改那份副本。代码审查时需要看完整的数据流，不能只凭一个索引表达式判断最终写到了哪里。

掩码、条件与顺序

比较数组会得到布尔数组。多个条件必须使用逐元素运算符&、|和~，而且每个比较通常要放在括号中；Python的and与or需要把整个数组解释成一个真假值，因此会抛出歧义错误。

布尔索引只保留满足条件的元素，常常会压平原有的结构。np.where(condition, left, right)则在两个同形或可广播的值之间逐元素选择，并保留广播后的形状。选择哪一个取决于下游是否还需要原来的轴。

缺失值不只有NaN一种表示。浮点数组能直接保存NaN，整数数组不能；把整数输入与NaN放在一起创建数组，通常会提升到浮点类型。若缺失与零、空字符串或某个哨兵值混用，聚合前必须先统一语义。

np.argsort()返回能重排数组的索引，而不是已经排序的值。需要同步重排标签与特征时，先计算一份顺序索引，再把它应用到所有关联数组。只排序一列会破坏样本内部的对应关系。

掩码和顺序索引的长度也属于数组契约。一个来自过滤前数据的旧掩码，不能安全地复用到过滤后的数组。数据管道应让掩码与它对应的数据一起流动，或者在每个阶段重新计算。

错误与数值警告

形状不兼容通常会抛出ValueError。先读取异常中列出的输入形状，再从尾轴向左比较，比盲目插入reshape()更安全。能让代码运行的形状修补不一定保留数据含义。

不安全的原地类型转换会失败。例如，浮点除法结果不能按same_kind规则写回整数数组。修复方向通常是创建所需浮点类型的结果，而不是强制使用会截断信息的转换。

除零、无效运算和溢出的浮点操作默认可能发出RuntimeWarning，同时产生inf或NaN。如果调用方忽略警告，这些特殊值还能继续流入后续计算，所以只看函数是否抛出异常并不够。

np.errstate()可以在一个明确的代码块内改变浮点错误处理方式。测试关键数值路径时，可以把相关警告临时提升为异常；预期会产生特殊值的算法则可以在局部处理，并立即验证结果。

np.seterr()改变的是当前线程的NumPy错误设置，不适合由普通库函数随意修改。局部上下文比隐藏的环境变化更容易推理，也不会要求调用者在函数返回后恢复设置。

np.isfinite()能同时筛出NaN与正负无穷。输入验证和关键中间结果都可以使用它，但是否拒绝、替换或保留这些值仍应由领域契约决定。

警告策略不能替代边界测试。要分别覆盖除零、极大值、极小值和全缺失切片，因为它们触发的类型提升、警告和返回形状可能不同。

读懂形状、类型和轴

这个二维数组的行表示日期，列表示传感器。axis=1消去传感器轴，得到每日均值；axis=0消去日期轴，得到每个传感器的峰值。

输出形状(2, 3)本身不能说明哪个轴是日期。变量名、邻近注释和接口文档要保存这份语义。聚合后也应检查结果形状是否与消费方的预期一致。

用广播标准化特征

下面把每列当作一个特征。keepdims=True让均值与标准差保持(1, 3)，所以减法和除法都明确沿样本轴广播。第三列是常数，代码把它的零标准差替换为1.0，避免除零。

import numpy as np

samples = np.array(
    [[1.0, 10.0, 7.0], [2.0, 20.0, 7.0], [3.0, 30.0, 7.0]]
)

means = samples.mean(axis=0, keepdims=True)
scales = samples.std(axis=0, keepdims=True)
safe_scales = np.where(scales == 0, 1.0, scales)
standardized = (samples - means) / safe_scales

np.set_printoptions(precision=2, suppress=True)
print("mean shape:", means.shape)
print(standardized)
print("constant feature:", standardized[:, 2].tolist())

mean shape: (1, 3)
[[-1.22 -1.22  0.  ]
 [ 0.    0.    0.  ]
 [ 1.22  1.22  0.  ]]
constant feature: [0.0, 0.0, 0.0]

把零标准差替换为1.0是这里明确选择的策略，不是普遍规则。另一个系统可能要删除常数特征或拒绝输入。数值代码必须把这种领域决定写进接口和测试。

区分视图与副本

基本切片scores[:, 1:]与原数组共享数据，布尔索引则创建副本。两次赋值看起来相似，却只有第一次回写到scores。

import numpy as np

scores = np.array(
    [[70, 80, 90], [60, 75, 85], [88, 92, 95]],
    dtype=np.int64,
)

last_two = scores[:, 1:]
selected = scores[scores[:, 0] >= 70]

print("slice shares memory:", np.shares_memory(scores, last_two))
print("mask shares memory:", np.shares_memory(scores, selected))

last_two[0, 0] = 999
selected[0, 0] = -1
print("source first row:", scores[0].tolist())
print("selected first row:", selected[0].tolist())

slice shares memory: True
mask shares memory: False
source first row: [70, 999, 90]
selected first row: [-1, 80, 90]

需要隔离修改时，调用.copy()明确取得独立缓冲区。需要原地更新时，也要在函数名或文档中写明副作用。依赖调用者猜测所有权，会让一次看似局部的清洗污染上游数据。

隔离随机状态并求最小二乘解

default_rng()返回独立的随机数生成器，不会重置模块级随机状态。这里用它生成训练与测试索引，再由np.linalg.lstsq()拟合含截距的一元线性模型。

import numpy as np

rng = np.random.default_rng(42)
feature = np.array([0, 1, 2, 3, 4, 5], dtype=np.float64)
target = 1.0 + 2.0 * feature

order = rng.permutation(feature.size)
train_index = order[:4]
test_index = order[4:]

design = np.column_stack(
    [np.ones(train_index.size), feature[train_index]]
)
intercept, slope = np.linalg.lstsq(
    design, target[train_index], rcond=None
)[0]
predicted = intercept + slope * feature[test_index]

print("train index:", train_index.tolist())
print(f"model: y = {intercept:.1f} + {slope:.1f}x")
print("test index:", test_index.tolist())
print("prediction:", np.round(predicted, 6).tolist())

train index: [3, 2, 5, 4]
model: y = 1.0 + 2.0x
test index: [1, 0]
prediction: [3.0, 1.0]

固定种子让这次运行可重复，但长期实验还应保存实际索引、NumPy版本和所选位生成器。不要把“同一个种子”当作跨所有版本与算法的完整数据溯源。真实建模还要在分割前明确分层、分组和时间顺序等约束。

修复方法： 在边界处断言形状，并为每个轴写出含义。使用keepdims=True、np.newaxis或明确的reshape()表达要扩展的轴，再用一个很小的手算样本验证结果。

修复方法： 需要隔离时显式.copy()，需要确认重叠时调用np.shares_memory()。对原地修改函数写测试，既检查返回值，也检查输入数组是否按契约改变。

修复方法： 在入口处选择足够宽的dtype，用np.result_type()检查组合运算的结果类型。除法、归一化和累计求和前尤其要确认类型，并对最大值、最小值与负数编写边界测试。

修复方法： 只有能证明每个元素都会在读取前赋值时才用empty()。否则使用zeros()、full()或一个能表达缺失策略的明确初值。

修复方法： 接收一个Generator参数，或在函数内部用明确种子创建局部Generator。实验需要跨进程重放时，还要保存抽样结果和位生成器信息。

修复方法： 近似比较使用np.isclose()或np.allclose()，并根据领域设置容差。先决定NaN应当拒绝、忽略还是传播，再选择mean()、nanmean()或显式验证；不要为了得到数字而默认忽略缺失值。

• NumPy：初学者基础
• NumPy：广播
• NumPy：副本与视图
• NumPy：随机数生成器
• NumPy：线性代数