python数据分析之Numpy数据库第二期数组的索引和切片的知识总结

数组的索引和切片

2.2.1数据的索引（一组数据的索引类似于python列表）

上一章节知识点通道：ndarray多维数组知识点

import numpy as np
arr = np.arange(10)
arr

array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

arr[3]

3

arr[-1]

9

arr[2]=123
arr

array([  0,   1, 123,   3,   4,   5,   6,   7,   8,   9])

从代码中可以看出，数组的切片返回的是原始数组的视图。简单地说，视图就是原始数组的表现形式，切片操作并不会产生新数据，这就意味着在视图上操作都会使原数组产生变化

arr[3]=88
arr

array([  0,   1, 123,  88,   4,   5,   6,   7,   8,   9])

arr1 = arr[-3:-1] #左闭右开
arr1

array([7, 8])

arr1[:] = 77 #将上面得到的[7,8]改成[77,77]
arr

array([  0,   1, 123,  88,   4,   5,   6,  77,  77,   9])

数据的切片和索引返回都是原始数组的视图，如果需要的并非视图而是要复制数据，则通过copy方法来实现

arr

array([  0,   1, 123,  88,   4,   5,   6,  77,  77,   9])

arr1 = arr[1].copy()
arr1

1

arr1 =34
arr1

34

arr

array([  0,   1, 123,  88,   4,   5,   6,  77,  77,   9])

对于二维数组，可在单个或多个轴向上完成切片，也可以跟整数索引一起混合使用

arr = np.arange(15).reshape(3,5)
arr

array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [10, 11, 12, 13, 14]])

arr