NumPy 数组切片及数据类型介绍

最新推荐文章于 2024-05-30 18:05:01 发布

2401_84038983

最新推荐文章于 2024-05-30 18:05:01 发布

阅读量379

点赞数 3

文章标签： numpy python

本文链接：https://blog.csdn.net/2401_84038983/article/details/138551908

版权

NumPy 数组切片

NumPy 数组切片用于从数组中提取子集。它类似于 Python 中的列表切片，但支持多维数组。

一维数组切片

要从一维数组中提取子集，可以使用方括号 [] 并指定切片。切片由起始索引、结束索引和可选步长组成，用冒号 : 分隔。

语法：



|  | arr[start:end:step] |

start：起始索引（默认为 0）。
end：结束索引（不包括）。
step：步长（默认为 1）。

示例：



|  | import numpy as np |
|  |  |
|  | # 创建一维数组 |
|  | arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) |
|  |  |
|  | # 从第二个元素到第五个元素（不包括） |
|  | print(arr[1:5]) # 输出：array([2, 3, 4]) |
|  |  |
|  | # 从头到尾，每隔一个元素 |
|  | print(arr[::2]) # 输出：array([1, 3, 5, 7, 9]) |
|  |  |
|  | # 从倒数第三个元素到倒数第一个元素 |
|  | print(arr[-3:-1]) # 输出：array([8, 9]) |

二维数组切片

要从二维数组中提取子集，可以使用逗号分隔的两个索引，每个索引表示相应维度的切片。

语法：



|  | arr[start\_row:end\_row, start\_col:end\_col:step] |

start_row：起始行索引（默认为 0）。
end_row：结束行索引（不包括）。
start_col：起始列索引（默认为 0）。
end_col：结束列索引（不包括）。
step：步长（默认为 1）。

示例：



|  | import numpy as np |
|  |  |
|  | # 创建二维数组 |
|  | arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) |
|  |  |
|  | # 从第二行到第三行，第一列到第三列（不包括） |
|  | print(arr[1:3, 0:3]) # 输出：array([[4, 5, 6], [7, 8, 9]]) |
|  |  |
|  | # 从第一行到第三行，每隔一列 |
|  | print(arr[::2, :]) # 输出：array([[1, 3, 5], [7, 9]]) |
|  |  |
|  | # 从第一行到第三行，第二列 |
|  | print(arr[:, 1]) # 输出：array([2, 5, 8]) |

练习

创建一个 5x5 的二维数组 arr，并打印以下子集：

第一行的所有元素
第二列的所有元素
从左上角到右下角的对角线元素
2x2 的子数组，从第二行第三列开始

在评论中分享您的代码和输出。

Sure, here is the requested Markdown formatted content:

NumPy 数据类型

NumPy 数组由同类型元素组成，并具有指定的数据类型。数据类型定义了数组中元素的存储方式和允许的操作。

NumPy 中的数据类型

NumPy 具有比 Python 更丰富的基本数据类型，并使用首字母大写字符来表示它们：

i: 整数（int）
b: 布尔值（bool）
u: 无符号整数（unsigned int）
f: 浮点数（float）
c: 复数浮点数（complex float）
m: 时间差（timedelta）
M: 日期时间（datetime）
O: 对象（object）
S: 字符串（string）
U: Unicode 字符串（unicode string）
V: 可变长度字节（void）

检查数组的数据类型

NumPy 数组具有一个属性 dtype，用于获取数组元素的数据类型。



|  | import numpy as np |
|  |  |
|  | arr = np.array([1, 2, 3, 4, 5]) |
|  | print(arr.dtype) |

输出：



|  | int32 |

使用指定数据类型创建数组

我们可以使用 np.array() 函数并指定 dtype 参数来创建具有指定数据类型的数组。



|  | import numpy as np |
|  |  |
|  | arr = np.array([1, 2, 3, 4, 5], dtype='float64') |
|  | print(arr) |
|  | print(arr.dtype) |

输出：



|  | [1. 2. 3. 4. 5.] |
|  | float64 |

转换数组的数据类型

我们可以使用 astype() 方法转换现有数组的数据类型。



|  | import numpy as np |
|  |  |
|  | arr = np.array([1.1, 2.2, 3.3, 4.4, 5.5]) |
|  | new\_arr = arr.astype(int) |
|  | print(new\_arr) |
|  | print(new\_arr.dtype) |

输出：



|  | [1 2 3 4 5] |
|  | int32 |

NumPy 数据类型简表

数据类型	字符	描述
整数	`i`	有符号整数
布尔值	`b`	True 或 False
无符号整数	`u`	无符号整数
浮点数	`f`	固定长度浮点数
复数浮点数	`c`	复数浮点数
时间差	`m`	时间间隔
日期时间	`M`	日期和时间
对象	`O`	Python 对象
字符串	`S`	固定长度字符串
Unicode 字符串	`U`	可变长度 Unicode 字符串
可变长度字节	`V`	用于其他类型的固定内存块