强大的多维度数组与矩阵计算库
![](https://img-blog.csdnimg.cn/img_convert/f4ecfc9515322c72f3071c32dd82450f.png)
ndarray的基本操作
1. 索引
一维与列表完全一致, 多维度同理
# 列表l = [1,2,3,4,5,6]l[3]# 输出# 4# numpy数组(ndarray类型)n = np.array(l)n[3]# 输出# 4# 二维数组n = np.random.randint(0,10, size=(4,5))n# array([[1, 2, 5, 1, 5],# [5, 5, 6, 9, 8],# [3, 4, 2, 2, 0],# [4, 4, 8, 4, 3]])# 找到3n[3][4]n[-1][-1]# 简写n[3,4]n[-1,-1]# 三维数组n = np.random.randint(0, 100, size=(4,5,6))# 3个维度n[2,2,3]n[-2,-3,3]
根据索引修改数据
# 定位到指定元素,直接修改n[2,2,3] = 6666# 修改一个数组n[0,0] = [1, 2, 3]n = np.zeros((6,6), dtype=int)n# 输出# array([[0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0]])# 修改1行n[0] = 1n# 输出# array([[1, 1, 1, 1, 1, 1],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0]])# 修改多行n[[0,3,-1]] = 2n# 输出# array([[2, 2, 2, 2, 2, 2],# [0, 0, 0, 0, 0, 0],# [0, 0, 0, 0, 0, 0],# [2, 2, 2, 2, 2, 2],# [0, 0, 0, 0, 0, 0],# [2, 2, 2, 2, 2, 2]])