np.array() 是 NumPy 库中一个非常重要的函数，它的主要功能是用于创建数组（即 ndarray 对象）。NumPy 是 Python 中用于科学计算的基础库，提供了多维数组对象和用于操作数组的函数，极大地提高了数据运算和数据处理的效率。
基本用法
np.array() 函数的基本语法如下：
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0, like=None)
object：要转换为数组的对象（如列表、列表的列表等）。dtype：指定返回数组的数据类型。如果没有提供，NumPy 会自动推断数据类型。copy：默认为True，表示复制数据。如果为False，则尽量不复制数据，返回原始数据的视图。order：可选，指定多维数据的存储顺序。'C'表示行优先（C语言风格），'F'表示列优先（Fortran风格）。ndmin：指定返回数组的最小维数。like：如果提供了这个参数，返回的数组将尽可能地使用与该数组相同的类型。
示例
下面通过代码示例来展示 np.array() 的用法。
示例 1：基本数组创建
import numpy as np
# 创建一个一维数组
arr1 = np.array([1, 2, 3, 4, 5])
print(arr1)
print("数据类型:", arr1.dtype)
# 创建一个二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print(arr2)
print("数据类型:", arr2.dtype)
输出结果：
[1 2 3 4 5]
数据类型: int64
[[1 2 3]
[4 5 6]]
数据类型: int64
在这个例子中，我们先创建了一个一维数组 arr1 和一个二维数组 arr2，并打印出来。可以看到，NumPy 会根据输入数据的类型自动推断出数组的数据类型。
示例 2：指定数据类型
# 创建一个数组，指定数据类型为 float
arr3 = np.array([1, 2, 3], dtype=float)
print(arr3)
print("数据类型:", arr3.dtype)
输出结果：
[1. 2. 3.]
数据类型: float64
这里我们创建了一个指定数据类型为 float 的数组 arr3。通过 dtype 参数，我们可以明确数组的数据类型。
示例 3：创建多维数组
# 创建一个 3x3 的二维数组，并指定元素
arr4 = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print("原始数组:\n", arr4)
# 调整数组的维度
arr5 = arr4.reshape((1, 9))
print("调整后的数组:\n", arr5)
输出结果：
原始数组:
[[1 2 3]
[4 5 6]
[7 8 9]]
调整后的数组:
[[1 2 3 4 5 6 7 8 9]]
在这个例子中，我们创建了一个 3x3 的二维数组，并通过 reshape 方法调整了数组的维度，将其转变为 1x9 的一维数组。
总结
np.array() 函数是 NumPy 的核心功能之一，通过它我们可以灵活地创建多维数组。在数据分析、机器学习和科学计算等领域，数组的使用无处不在，熟练掌握 np.array() 的用法对于进行有效的数据处理至关重要。随着对 NumPy 更深入的学习，我们可以发掘出它更多强大的功能，如数组的切片、运算、统计分析等。希望这篇文章能帮助大家对 np.array() 有更清晰的理解和应用。
