numpy 数组-1

最新推荐文章于 2022-11-06 00:12:56 发布
最新推荐文章于 2022-11-06 00:12:56 发布
阅读量608 收藏
点赞数 1
分类专栏： numpy

NumPy数组（1、数组初探）

NumPy数组

NumPy数组是一个多维数组对象，称为ndarray。其由两部分组成：

  • 实际的数据
  • 描述这些数据的元数据

大部分操作仅针对于元数据，而不改变底层实际的数据。

关于NumPy数组有几点必需了解的：

  • NumPy数组的下标从0开始。
  • 同一个NumPy数组中所有元素的类型必须是相同的。

  NumPy数组属性

在详细介绍NumPy数组之前。先详细介绍下NumPy数组的基本属性。NumPy数组的维数称为秩（rank），一维数组的秩为1，二维数组的秩为2，以此类推。在NumPy中，每一个线性的数组称为是一个轴（axes），秩其实是描述轴的数量。比如说，二维数组相当于是两个一维数组，其中第一个一维数组中每个元素又是一个一维数组。所以一维数组就是NumPy中的轴（axes），第一个轴相当于是底层数组，第二个轴是底层数组里的数组。而轴的数量——秩，就是数组的维数。

NumPy的数组中比较重要ndarray对象属性有：

  • ndarray.ndim：数组的维数（即数组轴的个数），等于秩。最常见的为二维数组（矩阵）。

  • ndarray.shape：数组的维度。为一个表示数组在每个维度上大小的整数元组。例如二维数组中，表示数组的“行数”和“列数”。ndarray.shape返回一个元组，这个元组的长度就是维度的数目，即ndim属性。

  • ndarray.size：数组元素的总个数，等于shape属性中元组元素的乘积。

  • ndarray.dtype：表示数组中元素类型的对象，可使用标准的Python类型创建或指定dtype。另外也可使用前一篇文章中介绍的NumPy提供的数据类型。

  • ndarray.itemsize：数组中每个元素的字节大小。例如，一个元素类型为float64的数组itemsiz属性值为8(float64占用64个bits，每个字节长度为8，所以64/8，占用8个字节），又如，一个元素类型为complex32的数组item属性为4（32/8）。

  • ndarray.data：包含实际数组元素的缓冲区，由于一般通过数组的索引获取元素，所以通常不需要使用这个属性。

  创建数组

<span style="font-size:18px;">　　<span style="font-family:SimSun;font-size:14px;"><span lang="zh-CN">先来介绍</span>创建数组。<span lang="zh-CN">创建数组的方法有很多。</span>如可以使用<span lang="en-US">array</span>函数从常规的<span lang="en-US">Python</span>列表和元组创造数组。所创建的数组类型由原序列中的元素类型推导而来。</span><span style="font-family:SimSun;">　　　</span></span><div class="dp-highlighter bg_python"><div class="bar"><div class="tools"><strong>[python]</strong> <a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="ViewSource" title="view plain">view plain</a><a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="CopyToClipboard" title="copy">copy</a></div></div><ol class="dp-py" start="1"><li class="alt"><span><span>>>> </span><span class="keyword">from</span><span> numpy </span><span class="keyword">import</span><span> *  </span></span></li><li><span>　　　  </span></li><li class="alt"><span>>>> a = array( [<span class="number">2</span><span>,</span><span class="number">3</span><span>,</span><span class="number">4</span><span>] )　　　  </span></span></li><li><span>>>> a  </span></li><li class="alt"><span>    array([<span class="number">2</span><span>, </span><span class="number">3</span><span>, </span><span class="number">4</span><span>])  </span></span></li><li><span>>>> a.dtype  </span></li><li class="alt"><span>    dtype(<span class="string">'int32'</span><span>)  </span></span></li><li><span>>>> b = array([<span class="number">1.2</span><span>, </span><span class="number">3.5</span><span>, </span><span class="number">5.1</span><span>])　　　  </span></span></li><li class="alt"><span>>>> b.dtype  </span></li><li><span>    dtype(<span class="string">'float64'</span><span>)  </span></span></li></ol></div>
使用array函数创建时，参数必须是由方括号括起来的列表，而不能使用多个数值作为参数调用array。 　　　
[python] view plain copy
  1. >>> a = array(1,2,3,4)    # 错误  
  2. >>> a = array([1,2,3,4])  # 正确  
可使用双重序列来表示二维的数组，三重序列表示三维数组，以此类推。
[python] view plain copy
  1. >>> b = array( [ (1.5,2,3), (4,5,6) ] )　　  
  2. >>> b  
  3.     array([[ 1.5,  2. ,  3. ],  
  4. 　　　     [ 4. ,  5. ,  6. ]])  
可以在创建时显式指定数组中元素的类型
[python] view plain copy
  1. >>> c = array( [ [1,2], [3,4] ], dtype=complex)  
  2. >>> c  
  3.     array([[ 1.+0.j,  2.+0.j],  
  4. 　　　    [ 3.+0.j,  4.+0.j]])  
通常，刚开始时数组的元素未知，而数组的大小已知。因此，NumPy提供了一些使用占位符创建数组的函数。这些函数有助于满足除了数组扩展的需要，同时降低了高昂的运算开销。

用函数zeros可创建一个全是0的数组，用函数ones可创建一个全为1的数组，函数empty创建一个内容随机并且依赖与内存状态的数组。默认创建的数组类型(dtype)都是float64。

可以哟娜特d.dtype.itemsize来查看数组中元素占用的字节数目。

[python] view plain copy
  1. >>> d = zeros((3,4))  
  2. >>> d.dtype  
  3. dtype('float64')  
  4. >>> d  
  5. array([[ 0.,  0.,  0.,  0.],  
  6. 　　   [ 0.,  0.,  0.,  0.],  
  7. 　　   [ 0.,  0.,  0.,  0.]])  
  8. >>> d.dtype.itemsize  
  9. 8  
也可以自己制定数组中元素的类型
[python] view plain copy
  1. >>> ones( (2,3,4), dtype=int16 )  #手动指定数组中元素类型  
  2.       array([[[1, 1, 1, 1],  
  3. 　　　        [1, 1, 1, 1],  
  4. 　　　        [1, 1, 1, 1]],  
  5. 　　　  
  6. 　　　       [[1, 1, 1, 1],  
  7. 　　　        [1, 1, 1, 1],  
  8. 　　　        [1, 1, 1, 1]]], dtype=int16)  
  9. >>> empty((2,3))  
  10. 　　　array([[  2.65565858e-316,   0.00000000e+000,   0.00000000e+000],  
  11. 　　　       [  0.00000000e+000,   0.00000000e+000,   0.00000000e+000]])  
NumPy提供一个类似arange的函数返回一个数列形式的数组:
[python] view plain copy
  1. >>> arange(10, 30, 5)  
  2.     array([10, 15, 20, 25])  
以10开始，差值为5的等差数列。该函数不仅接受整数，还接受浮点参数：　
[python] view plain copy
  1. >>> arange(0,2,0.5)  
  2.     array([ 0. ,  0.5,  1. ,  1.5])  

当arange使用浮点数参数时，由于浮点数精度有限，通常无法预测获得的元素个数。因此，最好使用函数linspace去接收我们想要的元素个数来代替用range来指定步长。linespace用法如下，将在通用函数一节中详细介绍。

[python] view plain copy
  1. >>> numpy.linspace(-1, 0, 5)  
  2.         array([-1.  , -0.75, -0.5 , -0.25,  0.  ])  
数组中的元素是通过下标来访问的，可以通过方括号括起一个下标来访问数组中单一一个元素，也可以以切片的形式访问数组中多个元素。关于切片访问，将在切片一节介绍。
知识点：NumPy中的数据类型
对于科学计算来说，Python中自带的整型、浮点型和复数类型远远不够，因此NumPy中添加了许多数据类型。如下：
NumPy中的基本数据类型
名称描述
bool用一个Bit存储的布尔类型（True或False）
inti由所在平台决定其大小的整数（一般为int32或int64）
int8一个字节大小，-128 至 127
int16整数，-32768 至 32767
int32整数，-2 ** 31 至 2 ** 32 -1
int64整数，-2 ** 63 至 2 ** 63 - 1
uint8无符号整数，0 至 255
uint16无符号整数，0 至 65535
uint32无符号整数，0 至 2 ** 32 - 1
uint64无符号整数，0 至 2 ** 64 - 1
float16半精度浮点数：16位，正负号1位，指数5位，精度10位
float32单精度浮点数：32位，正负号1位，指数8位，精度23位
float64或float双精度浮点数：64位，正负号1位，指数11位，精度52位
complex64复数，分别用两个32位浮点数表示实部和虚部
complex128或complex复数，分别用两个64位浮点数表示实部和虚部


NumPy类型转换方式如下：

[python] view plain copy
  1. >>> float64(42)  
  2.     42.0  
  3. >>> int8(42.0)  
  4.     42  
  5. >>> bool(42)  
  6.     True  
  7. >>> bool(42.0)  
  8.     True  
  9. >>> float(True)  
  10.     1.0  
许多函数的参数中可以指定参数的类型，当然，这个类型参数是可选的。如下：
[python] view plain copy
  1. >>> arange(7, dtype=uint16)  
  2.     array([0, 1, 2, 3, 4, 5, 6], dtype=uint16)  

  输出数组

<span style="font-size:18px">    <span style="font-size:14px;">当输出一个数组时，<span style="font-family:Courier New,monospace;"><span lang="en-US">NumPy</span></span>以特定的布局用类似嵌套列表的形式显示：
</span></span>
  • 第一行从左到右输出
  • 每行依次自上而下输出
  • 每个切片通过一个空行与下一个隔开
  • 一维数组被打印成行，二维数组成矩阵，三维数组成矩阵列表。
<span style="font-size:18px;"> 　　　
</span><div class="dp-highlighter bg_python"><div class="bar"><div class="tools"><strong>[python]</strong> <a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="ViewSource" title="view plain">view plain</a><a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="CopyToClipboard" title="copy">copy</a></div></div><ol class="dp-py" start="1"><li class="alt"><span><span>>>> a = arange(</span><span class="number">6</span><span>)                         </span><span class="comment"># 1d array</span><span>  </span></span></li><li><span>>>> <span class="keyword">print</span><span> a  </span></span></li><li class="alt"><span>    [<span class="number">0</span><span> </span><span class="number">1</span><span> </span><span class="number">2</span><span> </span><span class="number">3</span><span> </span><span class="number">4</span><span> </span><span class="number">5</span><span>]  </span></span></li><li><span>　　　  </span></li><li class="alt"><span>>>> b = arange(<span class="number">12</span><span>).reshape(</span><span class="number">4</span><span>,</span><span class="number">3</span><span>)           </span><span class="comment"># 2d array</span><span>  </span></span></li><li><span>>>> <span class="keyword">print</span><span> b  </span></span></li><li class="alt"><span>    [[ <span class="number">0</span><span>  </span><span class="number">1</span><span>  </span><span class="number">2</span><span>]  </span></span></li><li><span>    [ <span class="number">3</span><span>  </span><span class="number">4</span><span>  </span><span class="number">5</span><span>]  </span></span></li><li class="alt"><span>    [ <span class="number">6</span><span>  </span><span class="number">7</span><span>  </span><span class="number">8</span><span>]  </span></span></li><li><span>    [ <span class="number">9</span><span> </span><span class="number">10</span><span> </span><span class="number">11</span><span>]]　　　  </span></span></li><li class="alt"><span>>>> c = arange(<span class="number">24</span><span>).reshape(</span><span class="number">2</span><span>,</span><span class="number">3</span><span>,</span><span class="number">4</span><span>)         </span><span class="comment"># 3d array</span><span>  </span></span></li><li><span>>>> <span class="keyword">print</span><span> c  </span></span></li><li class="alt"><span>    [[[ <span class="number">0</span><span>  </span><span class="number">1</span><span>  </span><span class="number">2</span><span>  </span><span class="number">3</span><span>]  </span></span></li><li><span>    [ <span class="number">4</span><span>  </span><span class="number">5</span><span>  </span><span class="number">6</span><span>  </span><span class="number">7</span><span>]  </span></span></li><li class="alt"><span>    [ <span class="number">8</span><span>  </span><span class="number">9</span><span> </span><span class="number">10</span><span> </span><span class="number">11</span><span>]]  </span></span></li><li><span>　　　  </span></li><li class="alt"><span>    [[<span class="number">12</span><span> </span><span class="number">13</span><span> </span><span class="number">14</span><span> </span><span class="number">15</span><span>]  </span></span></li><li><span>    [<span class="number">16</span><span> </span><span class="number">17</span><span> </span><span class="number">18</span><span> </span><span class="number">19</span><span>]  </span></span></li><li class="alt"><span>    [<span class="number">20</span><span> </span><span class="number">21</span><span> </span><span class="number">22</span><span> </span><span class="number">23</span><span>]]]  </span></span></li></ol></div><span style="font-size:18px"><span style="font-size:14px;"><span style="font-family:SimSun;">    <span lang="en-US">reshape</span>将在下一篇文章中介绍　
<span style="font-size:14px;">    </span>如果一个数组太长，<span style="font-size:14px;">则</span><span lang="en-US">NumPy</span>自动省略中间部分而只打印两端的数据<span style="font-size:14px;">：</span>　　</span>　</span></span><div class="dp-highlighter bg_python"><div class="bar"><div class="tools"><strong>[python]</strong> <a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="ViewSource" title="view plain">view plain</a><a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="CopyToClipboard" title="copy">copy</a></div></div><ol class="dp-py" start="1"><li class="alt"><span><span>>>> </span><span class="keyword">print</span><span> arange(</span><span class="number">10000</span><span>)  </span></span></li><li><span>　　　[   <span class="number">0</span><span>    </span><span class="number">1</span><span>    </span><span class="number">2</span><span> ..., </span><span class="number">9997</span><span> </span><span class="number">9998</span><span> </span><span class="number">9999</span><span>]  </span></span></li><li class="alt"><span>　　　  </span></li><li><span>>>> <span class="keyword">print</span><span> arange(</span><span class="number">10000</span><span>).reshape(</span><span class="number">100</span><span>,</span><span class="number">100</span><span>)  </span></span></li><li class="alt"><span>　　　[[   <span class="number">0</span><span>    </span><span class="number">1</span><span>    </span><span class="number">2</span><span> ...,   </span><span class="number">97</span><span>   </span><span class="number">98</span><span>   </span><span class="number">99</span><span>]  </span></span></li><li><span>　　　 [ <span class="number">100</span><span>  </span><span class="number">101</span><span>  </span><span class="number">102</span><span> ...,  </span><span class="number">197</span><span>  </span><span class="number">198</span><span>  </span><span class="number">199</span><span>]  </span></span></li><li class="alt"><span>　　　 [ <span class="number">200</span><span>  </span><span class="number">201</span><span>  </span><span class="number">202</span><span> ...,  </span><span class="number">297</span><span>  </span><span class="number">298</span><span>  </span><span class="number">299</span><span>]  </span></span></li><li><span>　　　 ...,  </span></li><li class="alt"><span>　　　 [<span class="number">9700</span><span> </span><span class="number">9701</span><span> </span><span class="number">9702</span><span> ..., </span><span class="number">9797</span><span> </span><span class="number">9798</span><span> </span><span class="number">9799</span><span>]  </span></span></li><li><span>　　　 [<span class="number">9800</span><span> </span><span class="number">9801</span><span> </span><span class="number">9802</span><span> ..., </span><span class="number">9897</span><span> </span><span class="number">9898</span><span> </span><span class="number">9899</span><span>]  </span></span></li><li class="alt"><span>　　　 [<span class="number">9900</span><span> </span><span class="number">9901</span><span> </span><span class="number">9902</span><span> ..., </span><span class="number">9997</span><span> </span><span class="number">9998</span><span> </span><span class="number">9999</span><span>]]  </span></span></li></ol></div><span style="font-size:18px;">
<span style="font-size:14px;">　　可通过</span></span><span style="font-size:18px"><span style="font-size:14px;">设置<span style="font-family:Courier New,monospace;"><span lang="en-US">printoptions</span></span>参数来</span></span><span style="font-size:18px"><span style="font-size:14px;">禁用<span style="font-family:Courier New,monospace;"><span lang="en-US">NumPy</span></span>的这种行为并强制打印整个数组。</span>
</span><pre name="code" class="cjk"><div class="dp-highlighter bg_python"><div class="bar"><div class="tools"><strong>[python]</strong> <a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="ViewSource" title="view plain">view plain</a><a target=_blank href="http://blog.csdn.net/sunny2038/article/details/9002531#" class="CopyToClipboard" title="copy">copy</a></div></div><ol class="dp-py" start="1"><li class="alt"><span><span>set_printoptions(threshold=</span><span class="string">'nan'</span><span>)  </span></span></li></ol></div><span style="font-size:18px;"><span id="_xhe_cursor"></span><span style="font-family:Courier New,monospace;"><span lang="en-US"></span></span></span>
 

这样，输出时数组的所有元素都会显示出来。
 

未完待续，如有错误，敬请指正！
 

参考文献：
 
 

《NumPy for Beginner》
 《Python科学计算》
 《Tentative NumPy Tutorial》
 

原文章http://blog.csdn.net/sunny2038/article/details/9002531
 

                

        

        

    




    

      

        

            

              
                
                  jinyuhang521
                
              
            

            

                关注
              
            

        

        

          
    
            
  • 
              
                
                
                
                
                    1
                
              
              
    点赞
    
            
    • 
            
  • 
              
                
                
                
              
              
    踩
    
            
    • 
            
  • 
              
                
                
                
                
                    0
                
              
              
    
                
    
                  
                    收藏
                  
                
    
              
    
              
    
                
    
                  觉得还不错?
                  
                    一键收藏
                  
                 
                
    
              
    
            
    • 
          
  • 
            
    
              
              
            
    
              
              
              
                    0
              
            
            
    评论
    
          
    • 
          
  • 
          
    • 
          
  • 
            
              
            
              
    
            
              
                
            
    
          
    • 
        

      

      

            

                专栏目录
          










                



	

		

			

				
					
C++基础——数组-1

				
			

			

				

					weixin_44034219的博客
				

				

					12-11
					
					1481
					
				

			

		

		

			
				
数组：结构体 struct
共用体 union
枚举类型 enum
一维数组：
定义：
数据类型 数组名 【常量表达式】
int a[5]
不能用变量定义N为数组；
数组名表示内存首地址；
常量表达式包括常量，符号常量；
(C++语言对数组不做越界检查，使用时要注意）
引用：
数组必须先定义后使用；
只能逐个引用；
必须   for(j=0;j,10;j++)
cout&amp;lt;&amp;lt;a[i];
...

			
		

	



                

              
                



	

		

			

				
					
数组1

				
			

			

				

					A1484623741的博客
				

				

					10-17
					
					447
					
				

			

		

		

			
				
什么是数组？
数组是计算机编程语言上，对于“Array”的中文称呼。将相同数据类型的元素按一定顺序排列的集合，把有限个类型相同的变量用一个名字命名，然后用编号区分他们的变量的集合，这个名字成为数组名，编号成为下标。组成数组的各个变量成为数组的分量，也称为数组的元素，有时也称为下标变量。数组是在程序设计中，为了处理方便，
 把具有相同类型的若干变量按有序的形式组织起来的一种形式。这些按序排列的同

			
		

	



                


  
              

                


	

		

			

				
					
numpy数组—1

				
			

			

				

					weixin_43525185的博客
				

				

					06-24
					
					229
					
				

			

		

		

			
				
文章目录创建数组方式根据python中的列表生成使用np.arange生成生成随机数组使用特殊函数生成数组类型数组类型设置数据类型转换多维数组查看数组维度查看行列数数组变形多维数组转一维数组方法获取数组中元素的个数获取数组中每个元素站的大小，单位是字节
创建数组方式
根据python中的列表生成
a = np.array([1,2,3,4])
print(a) # [1 2 3 4]
print(type(a)) # <class 'numpy.ndarray'>

使用np.arange生成


			
		

	





	

		

			

				
					
数组-1。

				
			

			

				

					m0_64097515的博客
				

				

					11-29
					
					133
					
				

			

		

		

			
				
数组是相同类型数据的有序集合.

相同类型的若干个数据,按照一定先后次序排列组合而成;其中,每一个数据称作一个数组元素;每个数组元素可以通过一个下标来访问它们。

数组是一个变量，存储相同数据类型的一组数据;声明一个变量就是在内存空间划出一块合适的空间; 声明一个数组就是在内存空间划出一串连续的空间。

数组只有一个名称，即标识符.元素下标标明了元素在数组中的位置，从0开始 ;数组中的每个元素都可以通过下标来访问 ;数组长度固定不变，避免数组越界

声明数组并分配空间 数据类型[ ] 数组名 = ne...

			
		

	



		

			
		



	

		

			

				
					
数组-1

				
			

			

				

					weixin_54569327的博客
				

				

					03-23
					
					168
					
				

			

		

		

			
				
数组的概念、初始化、赋值、内存、索引、遍历等等
package cn.itcast.day05.demo01;

/*
* 数组的概念：是一种容器，可以同时存放多个数据值。
*
* 数组的特点：
* 1. 数组是一种引用数据类型
* 2. 数组当中的多个数据，类型必须统一
* 3. 数组的长度在程序运行期间不可改变
*
* 数组的初始化：在内存当中创建一个数组，并向其中赋予一些默认值。
*
* 两种常见的初始化方式：
* 1. 动态初始化（指定长度）
* 2. 静态初始化（指定内容）
*
* 动态初始化数组

			
		

	





	

		

			

				
					
03-python-numpy-简介-基础-数组-数组类型

				
			

			

				

					02-09
				

			

		

		

			
				
NumPy数组，也称为ndarray（n-dimensional array），是一种同构的数据结构，即数组中的所有元素必须是相同类型的。这些元素可以是基本类型（如整数、浮点数或布尔值），也可以是复合类型（如自定义对象）。NumPy数组...

			
		

	





	

		

			

				
					
python numpy--数组的组合和分割实例

				
			

			

				

					09-17
				

			

		

		

			
				
Python中的NumPy库是进行数值计算和处理的重要工具，它提供了丰富的数组操作功能，包括数组的组合和分割。数组的组合允许我们将多个数组拼接在一起，而数组的分割则能够将一个大数组拆分成多个小数组。下面我们将...

			
		

	





	

		

			

				
					
numpy-boost:允许在 C++ 中作为 boost 访问 Numpy 数组的包装器

				
			

			

				

					06-20
				

			

		

		

			
				
任何写入boost::multi_array接口的 C++ 算法都可以轻松地重新编译以使用 Numpy 数组。  已知缺点：  由于 boost::multi_array 的设计，数组的数据类型和维数在编译时是固定的（尽管这在实践中通常不是一个重要的限制...

			
		

	





	

		

			

				
					
python将txt等文件中的数据读为numpy数组的方法

				
			

			

				

					09-19
				

			

		

		

			
				
本篇文章将详细讲解如何将txt文件中的数据读取并转换为numpy数组。  首先，我们需要引入numpy库，这可以通过`import numpy as np`来完成。接下来，我们需要打开txt文件，可以使用内置的`open()`函数，例如`file = ...

			
		

	





	

		

			

				
					
numpy数组示例——1、数组的创建

				
			

			

				

					12-22
				

			

		

		

			
				
示例代码如下：   import numpy as np #numpy.array(object,dtype=None) ...a3=np.array([[[1,2,3],[2,3,4],[1,3,5]],[[3,4,5],[4,5,6],[2,4,6]],[[5,6,7],[6,7,8],[3,5,7]]],dtype=float)#三维 #numpy.zeros(shape,dt

			
		

	





	

		

			

				
					
数组可以-1？

				
			

			

				

					tamink2013的博客
				

				

					04-16
					
					284
					
				

			

		

		

			
				

这什么鬼，数组可以-1？不越界？undefined?
  


			
		

	





	

		

			

				
					
Python NumPy： -1 的作用

				
			

			

				

					weixin_40522801的博客
				

				

					06-02
					
					3375
					
				

			

		

		

			
				
Python代码中经常会遇到 -1 这个数字，它主要有两个作用：

倒数第一
	自动推断


1倒数第一


在list, tuple, array中表示倒数第一个。


栗子1：


a01 = [3, 2]                                        
print("a01[:-1]:", a01[:-1])        # output: 3     
print("a01[0:-1]:", a01[0:-1])      # output: 3     


..

			
		

	





	

		

			

				
					
关于Python中数组-1的用法

					
热门推荐

				
			

			

				

					weixin_44457013的博客
				

				

					03-04
					
					3万+
					
				

			

		

		

			
				
关于Python数组中-1的用法
Python中数组的用法灵活多样，常用的记下来了，但是遇到-1就容易混淆。在这里记录一下。一个数组a=[0,1,2,3,4]，a[-1]表示数组中最后一位，a[:-1]表示从第0位开始直到最后一位，a[::-1]表示倒序，从最后一位到第0位。

a = [0,1,2,3,4]
print(a[-1])
&gt;&gt;4
print(a[:-1])
&gt;&gt...

			
		

	





	

		

			

				
					
C语言-数组-1定义

				
			

			

				

					 李嘉俊(C/C++)
				

				

					09-04
					
					1996
					
				

			

		

		

			
				
数组-1定义


数组的定义
数据类型 数组名[数组长度];
int a[3]; //[]只能放在数组名的后面
//[]里面的值必须是固定值，也就是常量。
数组的数据称为元素。
数组的下标值是从0~n-1


数组的原理
数组名就是数组的首地址，也就是第一个元素的地址(a 相当于一个指针，但是该指针的值不能改变)
数组名是代表整个数组的地址。以下代码可以验证：




			
		

	





	

		

			

				
					
第四站:数组-1

				
			

			

				

					m0_74268677的博客
				

				

					11-06
					
					250
					
				

			

		

		

			
				
一维数组的创建和初始化、二维数组的创建和初始化、数组越界

			
		

	





	

		

			

				
					
基础-数组-1-基础知识带你飞~

				
			

			

				

					起舞的日子
				

				

					03-05
					
					494
					
				

			

		

		

			
				
话说：

今晚的雨水下得真是痛快！春天的雨，就是那么柔柔的。虽然雨点蛮猛的，但是雨风很有诗意，并不冷，反倒是有点暖洋洋的感觉。跑到屋檐下，听雨几分钟，快哉！

这里温故下数组基础知识。

目录



1.一维数组、二维数组的创建及遍历； 
2.java.util.Arrays的API操作 
3.总结 



难度系数：★☆☆ ☆ ☆  
建议用时：30min

1.一维数组、二维数组的创建及遍历；...

			
		

	





	

		

			

				
					
数组（1--1-2）

				
			

			

				

					qq_turn
				

				

					04-03
					
					286
					
				

			

		

		

			
				
题目描述：二维数组中的查找
在一个二维数组中（每个一维数组的长度相同），每一行都按照从左到右递增的顺序排序，每一列都按照从上到下递增的顺序排序。请完成一个函数，输入这样的一个二维数组和一个整数，判断数组中是否含有该整数。
相关知识点回顾：

...

			
		

	





	

		

			

				
					
初始化数组全为-1_python怎么初始化数组？

				
			

			

				

					weixin_32894769的博客
				

				

					01-23
					
					3814
					
				

			

		

		

			
				
因为画图中x轴与y轴的数据通常为数组格式的数据，所以先总结一下如何初始化数组：（1）list得到数组# 通过array函数传递list对象

L = [1, 2, 3, 4, 5, 6]

a = np.array(L)

 

 
# 若传递的是多层嵌套的list，将创建多维数组

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

			
		

	





	

		

			

				
					
numpy数组的python程序，包括整数数组、浮点数数组、字符串数组，全O数组--创建、修改、显示、查询

					
最新发布

				
			

			

				

					03-13
				

			

		

		

			
				
好的，我可以回答这个问题。对于创建一个numpy数组，可以使用numpy库中的array函数，例如：  import numpy as np ...print(arr_str[-1])  希望这些代码可以帮助你创建、修改、显示和查询numpy数组。

			
		

	



              



  
“相关推荐”对你有帮助么？

  

      
    
          
  • 
              
    
                  
                  
              
    
              
    非常没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    没帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    一般
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    有帮助
    
          
    • 
          
  • 
              
    
                  
                  
              
    
              
    非常有帮助
    
          
    • 
      

      

      

          
          提交
      

      

  




          




        



    





    



      

      

        
      

      





	

		评论	
	

	
	




  

    

      添加红包
      
    

    

      

        
        

          
          
        

        
请填写红包祝福语或标题

      

      

        
        

          
          个
        

        
红包个数最小为10个

      

      

        
        

          
          元
        

        
红包金额最低5元

      

      

        
        

          当前余额3.43元
          前往充值 >
        

      

      

        

          需支付：10.00元
        

        
        
      

    

  





  

    
    
  

  

    
    
  








  

    

      

        

          

            
            
成就一亿技术人!

          

          

        

        

          

          

            领取后你会自动成为博主和红包主的粉丝
            规则
          

        

      

      

        

          

            
              
            
            

              
hope_wisdom
 发出的红包
            

          

        

        

          

          

          

        

      

    

    

  



      
      

      
实付元

      
使用余额支付

      

        

          

            
            点击重新获取
          

        

        
扫码支付

      

      

        
          
            
          
          
        
      

      

        
        钱包余额
          0
          

            
            

              

                
抵扣说明：

                
 1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
 2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

              

            

          

      

      余额充值