NumPy完全指南：从零到生产力

为什么每个材料人都需要NumPy

处理实验数据的基础工具。把拉伸机、AFM、XRD导出的txt文件变成可以分析、绘图、导出的Python数组。

import numpy as np

1. NumPy数组：你的数据容器

strains = np.array([0.0, 0.005, 0.010, 0.020, 0.050, 0.100])
stresses = np.array([0, 8, 15, 28, 52, 74])

# 便捷函数
x = np.linspace(0, 0.5, 200)       # 0到0.5均匀分布200个点
zeros = np.zeros((10, 3))          # 10行3列全零矩阵

# 数组属性
print(arr.shape)  # (2, 3) — 2行3列
print(arr.ndim)   # 2 — 二维
print(arr.dtype)  # int64 — 数据类型

2. 加载实验数据

# 通用：空格或制表符分隔
data = np.loadtxt("tensile_test.txt", skiprows=0)

# CSV文件
data = np.loadtxt("mechanical_data.csv", delimiter=",", skiprows=1)

# AFM力曲线（Bruker：320行头部）
raw = np.loadtxt("force_curve.001", skiprows=320)
z_piezo = raw[:, 0]        # 第一列
deflection = raw[:, 1]     # 第二列

# 处理缺失值
data = np.genfromtxt("messy_data.csv", delimiter=",", skip_header=1, filling_values=0)

3. 逐元素运算（无需循环）

NumPy的真正威力：操作同时应用于每个元素：

# 算术
stress_pa = stresses * 1e6          # MPa转Pa
strain_pct = strains * 100          # 转为百分比

# 数学函数
log_stress = np.log(stresses)
exp_decay = np.exp(-time / tau)

# 比较
yielded = stresses > 30             # 布尔数组

# AFM偏转转力
k, sensitivity = 0.06, 45.0
force = k * sensitivity * deflection * 1e-9 * 1e9  # nN

4. 统计和聚合

mean = np.mean(stresses)         # 平均值
std = np.std(stresses)           # 标准差
median = np.median(stresses)     # 中位数（抗异常值）
max_val = np.max(stresses)
total = np.sum(force)            # 求和

# 沿轴操作（二维数据）
col_means = data.mean(axis=0)    # 每列均值
row_stds = data.std(axis=1)      # 每行标准差

5. 布尔索引（数据过滤）

你可能最常用的NumPy特性：

# 弹性区数据
elastic = stresses[strains < 0.02]

# 组合条件
valid = (strains > 0) & (strains < 0.1) & (stresses > 0)

# 计数
n_yielded = np.sum(stresses > 30)

# 替换值
stresses[stresses < 0] = 0

# 找索引
idx_max = np.argmax(stresses)
idx_where = np.where(stresses > 30)[0]

6. 重塑和合并数组

flat = data.flatten()                   # 展平
matrix = np.arange(12).reshape(3, 4)    # 1D -> 3x4
combined = np.column_stack([strains, stresses])  # 并排
stacked = np.vstack([data1, data2])              # 按行追加
centered = data - data.mean(axis=0)              # 每列减均值

7. 保存结果

np.savetxt("results.csv", combined, delimiter=",", header="strain,stress")
np.save("processed.npy", data)           # 二进制格式
loaded = np.load("processed.npy")

8. 完整示例：AFM力曲线处理

import numpy as np
raw = np.loadtxt("force_curve_001.txt", skiprows=320)
z_piezo, deflection_V = raw[:, 0], raw[:, 1]

# 转力
k, sens = 0.06, 45.0
force = k * sens * deflection_V * 1e-9 * 1e9

# 基线校正
baseline = np.median(force[:100])
force_corr = force - baseline

# 找接触点
derivative = np.gradient(force_corr)
noise = np.std(derivative[:50])
contact_idx = np.argmax(derivative > 5 * noise)

# 拟合
indent = z_piezo[contact_idx] - z_piezo
mask = (indent > 0) & (indent < 50)
E, _ = np.polyfit(indent[mask], (force_corr-force_corr[contact_idx])[mask], 1)
print(f"杨氏模量: {E:.1f}")

9. 常见问题

问题	解决
------	------
加载失败	skiprows=N 跳过头部行
缺失值	np.genfromtxt + filling_values
形状错误	用.shape检查，data[:,0]是1D
NaN	np.divide(a, b, where=b!=0)

• Harris, C.R. et al. (2020). Array programming with NumPy. Nature, 585, 357-362.