NumPy 到底是什么?新手学 Python 数据科学的第一块敲门砖

系列说明：本系列共 4 篇，本文是第 1 篇。
系列目录：

• 第 1 篇（本篇）：NumPy 入门第一课——为什么数据科学离不开它
• 第 2 篇：NumPy 数组创建与操作大全——zeros、arange、reshape 一次讲清
• 第 3 篇：NumPy 索引切片与条件筛选——从数组中精确取数
• 第 4 篇：NumPy 实战收官——聚合、随机数、保存读取与绘图

这篇文章适合谁？

如果你满足下面任意一条，本文就是为你准备的：

• 刚学完 Python 基础语法（变量、列表、循环），准备踏入数据科学的大门；
• 看机器学习教程时，满屏都是 np.array、np.reshape、np.xxx，完全看不懂；
• 听说过 NumPy 很牛，但不知道它到底解决什么问题，也不知道从哪开始学。

这一篇的目标很朴素：让你搞懂 NumPy 是什么、它解决什么问题、数组长什么样，并且能亲手写出自己的第一个 NumPy 程序。全程零基础友好，每段代码都建议你打开 Python 环境跟着敲一遍。

1. 为什么学数据科学，第一个要碰的就是 NumPy？

先看一张"食物链"：

NumPy（数组运算）→ Pandas（表格处理）→ Matplotlib（绘图）→ Scikit-learn（机器学习）

NumPy 是整个 Python 数据科学生态系统的地基。Pandas 底层用 NumPy 数组存数据，Matplotlib 画图的数据要转成 NumPy 数组，机器学习模型的特征矩阵本质上也是 NumPy 数组。

所以一句话：NumPy 学不扎实，后面全都会卡壳。反过来，只要把 NumPy 这关过了，学 Pandas、Matplotlib 会顺滑很多。

2. NumPy 到底是什么？

NumPy 是Numerical Python的缩写，是一个开源的 Python 库，专门用于科学计算和工程领域。

它核心做两件事：

1. 提供了一种高性能的数据结构——N 维数组（ndarray）；
2. 提供了大量用于高效处理这些数组的函数（求和、排序、统计、矩阵运算等）。

安装方式（如果你还没装）：

pip install numpy

安装完成后，在代码里按通用约定导入：

import numpy as np

看到 np. 前缀，你就知道这是在调用 NumPy 的功能。这个约定全网通用，后面所有教程都会这么写。

新手提示：如果用的是 Anaconda，NumPy 通常已经预装好了，直接 import numpy as np 试试，不报错就说明环境 OK。

3. 什么是"数组"（ndarray）？——从直觉开始

很多教程一上来就甩定义，新手直接劝退。我们从生活直觉出发。

3.1 一维数组：像一条队列

想象你手上有 4 个数字：1, 5, 2, 0。把它们排成一排，就是一个一维数组：

| 1 | 5 | 2 | 0 |

对应到 Python 里，它最像你熟悉的列表。事实上，你可以用列表直接创建数组：

import numpy as npa = np.array([1, 5, 2, 0])print(a)

输出：

[1 5 2 0]

3.2 二维数组：像一张表格

如果数据有两行三列，就是一个二维数组：

| 1 | 5 | 2 || 8 | 3 | 6 |

创建方式是把"列表的列表"传给 np.array：

b = np.array([[1, 5, 2],              [8, 3, 6]])print(b)

输出：

[[1 5 2] [8 3 6]]

3.3 三维数组：像一叠表格

把两张同样的表格叠起来，就是三维数组——可以理解为一本书的多个页面，每页是一张表：

c = np.array([    [[1, 2], [3, 4]],    [[5, 6], [7, 8]],    [[9, 10], [11, 12]],])print(c)

输出：

[[[ 1  2]  [ 3  4]] [[ 5  6]  [ 7  8]] [[ 9 10]  [11 12]]]

这个数组有 3 个"页面"，每页 2 行 2 列。

3.4 关键结论

• NumPy 的 ndarray 就是 N 维数组（N-dimensional array），N 可以是 0、1、2、3……任意整数；
• 一维像队列，二维像表格，三维像一叠表格，更高维可以以此类推；
• 它是为大量同类型数值的高效计算而生的。

4. 为什么 Python 列表不如 NumPy 数组？

这是新手最爱问的问题："列表也能存数字、也能索引，为什么非要 NumPy？"

我们分三个方面讲清楚。

4.1 速度：快得多

Python 列表的每个元素都是独立的 Python 对象，操作时要经历大量解释器的开销。而 NumPy 数组把数据连续地存在内存里，运算是在底层用编译好的 C 语言批量执行。

直观体验：计算 100 万个数的总和。

import numpy as npimport time# 用 Python 列表lst = list(range(1_000_000))t0 = time.time()s1 = sum(lst)t1 = time.time()# 用 NumPy 数组arr = np.arange(1_000_000)t2 = time.time()s2 = arr.sum()t3 = time.time()print(f”列表求和耗时: {t1 - t0:.4f} 秒”)print(f”NumPy 求和耗时: {t3 - t2:.4f} 秒”)

输出（具体数值因电脑而异，但差距是数量级的）：

列表求和耗时: 0.0320 秒NumPy 求和耗时: 0.0008 秒

在百万级数据上，NumPy 往往比纯 Python 列表快几十到上百倍。数据量越大，差距越明显。

4.2 内存：省得多

列表里每个元素都是独立对象，自带类型信息、引用计数等额外开销；而 NumPy 数组把所有元素紧凑连续地存放在一块内存里，只记录一次类型信息。

举例：同样存 100 万个整数，NumPy 数组占用的内存通常是列表的1/3 到 1/5。数据量上亿时，这个差距直接决定程序会不会内存爆炸。

4.3 语法：简洁得多

处理"把每个元素乘以 2"这种需求：

# Python 列表：要写循环lst = [1, 2, 3, 4]doubled = [x * 2 for x in lst]# NumPy 数组：直接乘arr = np.array([1, 2, 3, 4])doubled = arr * 2

再看"把两个数组对应元素相加"：

# Python 列表a = [1, 2, 3]b = [10, 20, 30]c = [x + y for x, y in zip(a, b)]# NumPy：一行搞定c = np.array(a) + np.array(b)

NumPy 的向量化写法让代码更接近数学公式本身：公式长什么样，代码就长什么样。这就是为什么数据科学家几乎不用纯列表做数值运算。

小结：列表灵活通用，适合小规模、异构数据；NumPy 数组专为"大量同类型数值"而生——更快、更省、更简洁。

5. 数组的三个特点（限制）

NumPy 数组之所以快，是因为它接受了一些"限制"，把自由度换成了性能：

特点一：同质（所有元素类型相同）

数组里所有元素必须是同一数据类型（比如全是整数，或全是浮点数）。不能用 [1, "小明", 3.5] 这样混着存的数组。

a = np.array([1, 2, 3])# 全是整数，OKb = np.array([1.0, 2.0, 3.0])# 全是浮点数，OK# c = np.array([1, ”小明”, 3.5])# 报错或自动转换，不推荐

好处是：每个元素占用固定大小，可以紧凑存储、快速寻址。

特点二：大小固定（创建后不能改总大小）

数组创建后，元素总数不能变。你不能像列表那样 append 或 remove。

想增删元素怎么办？答案是创建一个新数组。这看似麻烦，却让 NumPy 能提前规划内存布局，换来极致速度。

特点三：形状矩形（不能参差不齐）

二维数组的每一行，列数必须相同。比如 [[1,2,3],[4,5,6]] 合法（两行都是 3 列），而 [[1,2],[3,4,5]] 就不是一个合法的 NumPy 数组（第一行 2 列、第二行 3 列，参差不齐）。

这三条限制让 NumPy 可以"算准每一个元素的位置"，从而在底层做高效的批量运算。记住：性能来自限制。

6. 动手：创建数组、索引、切片

6.1 索引（从 0 开始）

Python 和 NumPy 都采用0 索引：第一个元素下标是 0，不是 1。

a = np.array([10, 20, 30, 40, 50])print(a[0])# 第一个元素 → 10print(a[2])# 第三个元素 → 30print(a[-1])# 最后一个元素 → 50

输出：

103050

6.2 可变性（能改值）

数组和列表一样是可变的，直接按索引赋值即可：

a[0] = 99print(a)

输出：

[99 20 30 40 50]

6.3 切片（取一段）

切片语法 起始:结束，包含起始、不包含结束（左闭右开）：

print(a[1:4])# 下标 1 到 3 → [20 30 40]print(a[:3])# 前 3 个 → [99 20 30]print(a[2:])# 从下标 2 到最后 → [30 40 50]

输出：

[20 30 40][99 20 30][30 40 50]

新手必知的坑（重要）：对 NumPy 数组切片，得到的是原数组的视图（view），修改切片会连带修改原数组；而 Python 列表切片得到的是新列表。这一块在系列第 2 篇会重点展开，先记住"切片可能改到原数据"即可。

7. 轴（axis）是什么？——axis=0 / axis=1 直观理解

"轴"是新手绕不开、也最容易晕的概念。先建立直觉：

• axis=0：沿行方向，也就是"从上往下"的方向；
• axis=1：沿列方向，也就是"从左往右"的方向。

用一个 3 行 2 列的数组举例：

data = np.array([[1, 2],                 [3, 4],                 [5, 6]])

沿 axis=0 求和（从上往下加，得到每列的和）：

print(data.sum(axis=0))

输出：

[9 12]

解读：第 1 列 1+3+5=9，第 2 列 2+4+6=12。

沿 axis=1 求和（从左往右加，得到每行的和）：

print(data.sum(axis=1))

输出：

[ 3  7 11]

解读：第 1 行 1+2=3，第 2 行 3+4=7，第 3 行 5+6=11。

记忆口诀：axis=0 的结果"长度等于列数"（每列一个结果），axis=1 的结果"长度等于行数"（每行一个结果）。做聚合操作前，先想清楚你要"按行聚合"还是"按列聚合"，方向选对了，代码就对了。

8. 数组属性速查：ndim / shape / size / dtype

每个数组都自带"体检报告"，四个最常用属性：

实操：

arr = np.array([[1, 2, 3, 4],                [5, 6, 7, 8],                [9, 10, 11, 12]])print(”维度数 ndim:”, arr.ndim)print(”形状 shape:”, arr.shape)print(”元素总数 size:”, arr.size)print(”数据类型 dtype:”, arr.dtype)

输出：

维度数 ndim: 2形状 shape: (3, 4)元素总数 size: 12数据类型 dtype: int64

要点：

• shape
   是一个元组，从左到右分别表示"第 0 轴长度、第 1 轴长度……"，二维数组就是"行数、列数"；
• size
   永远等于 shape 各元素相乘：3 × 4 = 12；
• dtype
   常见的值有 int64（64 位整数）、float64（64 位浮点数）等，创建数组时可以用 dtype 参数指定。

9. 实战彩蛋：一学期成绩表（shape 与 axis 的实战）

纸上得来终觉浅。我们用一个真实的场景把上面所有概念串起来。

场景：你是一所中学的班主任，班里 5 名同学，期末考了语文、数学、英语三科。你想快速回答三个问题：

1. 这张成绩表是什么形状、一共多少个成绩？
2. 每位同学的总分是多少？
3. 每门课的平均分是多少？

代码：

import numpy as np# 5 行 3 列：行 = 学生，列 = [语文, 数学, 英语]scores = np.array([    [88, 92, 79],    [65, 58, 70],    [93, 87, 95],    [76, 64, 82],    [81, 73, 68],])# 1. 查看形状与大小print(”维度数:”, scores.ndim)# 2print(”形状:”, scores.shape)# (5, 3)print(”成绩总数:”, scores.size)# 15print(”数据类型:”, scores.dtype)# int64# 2. 每位同学的总分：沿列方向求和（axis=1 → 每行一个结果）total_per_student = scores.sum(axis=1)print(”每位同学总分:”, total_per_student)# 3. 每门课的平均分：沿行方向求均值（axis=0 → 每列一个结果）avg_per_subject = scores.mean(axis=0)print(”各科平均分:”, avg_per_subject)

输出：

维度数: 2形状: (5, 3)成绩总数: 15数据类型: int64每位同学总分: [259 193 275 222 222]各科平均分: [80.6 74.8 78.8]

解读：

1. shape = (5, 3)：5 行代表 5 位同学，3 列代表 3 门课。看到这个元组，你就能立刻说出数据组织的逻辑——这正是 shape 的意义：它告诉你怎么"读"这张表。
2. size = 15：5 × 3 = 15，正好是成绩总数，和 shape 的乘积对上了。
3. scores.sum(axis=1)
   ：axis=1 沿列方向加，得到 5 个值，即每位同学的三科总分（第 2 位同学 58 分的数学把总分拉低了，一眼可见）；
4. scores.mean(axis=0)
   ：axis=0 沿行方向求平均，得到 3 个值，即每门课的平均分——数学 74.8 是全班最弱科，后续可以针对性补课。

这个例子虽然小，但已经完整演示了数据科学中最常见的操作模式：用 shape 理解数据结构 → 用 axis 控制聚合方向 → 用一行代码得到统计结果。

自己动手：试着把 axis=0 和 axis=1 换过来运行，看看输出变成了什么，并想想为什么。想通了，axis 就再也难不倒你了。

10. 总结与预告

本篇你学会了什么？

• NumPy 是 Python 数据科学的地基，提供了 N 维数组（ndarray）与高效运算函数；
• 一维像队列、二维像表格、三维像一叠表格；
• 相比 Python 列表，NumPy 在速度、内存、语法三方面全面胜出；
• 数组的三个特点：同质、大小固定、形状矩形——限制换来性能；
• 数组支持 0 索引、可变、切片，但切片返回的是视图；
• axis=0 沿行方向、axis=1 沿列方向，聚合结果长度分别为列数与行数；
• 四个核心属性：ndim（维度数）、shape（形状）、size（元素总数）、dtype（数据类型）。

下一篇预告

第 2 篇《NumPy 数组创建与操作大全：zeros、arange、reshape 一次讲清》将带你掌握：

• 用 np.zeros / np.ones / np.arange / np.linspace 快速生成数组；
• 用 reshape / newaxis / flatten 自由改变数组形状；
• 用 concatenate / vstack / hstack 拼接数组；
• 彻底搞懂"视图 vs 副本"的千古难题。

学会了这些，你就具备独立处理真实数据的动手能力了。

如果这篇文章对你有帮助，请点赞 + 收藏 + 关注，这是对创作者最大的支持。下一篇见！

有任何问题欢迎在评论区留言，我会逐一回复。系列 4 篇持续更新中，关注后不会迷路。