目录
Numpy介绍
Numpy,全称Numerical Python,是一个开源的Python库,它为Python提供了强大的多维数组对象和用于处理这些数组的函数。NumPy的核心是ndarray,它是一个高效的多维数组容器,用于存储和处理大规模的数据。NumPy还提供了许多数学函数,用于数组之间的操作,以及用于线性代数、傅立叶变换和随机数生成等功能。
Numpy 不仅仅是 Python 科学计算中使用最多的库,还是 SciPy, Pandas等库的基础,它提供了更加高级有效的数据结构,是专门为科学计算而生的库。
数据类型
下面罗列了一些常见Numpy类型
名称 | 描述 |
---|---|
bool_ | 布尔型数据类型(True 或者 False) |
int_ | 默认的整数类型 |
int32 | 整数(-2147483648 to 2147483647) |
数组属性
Numpy数组的主要属性包括:
- ndim。这个属性返回数组的维度数量,即数组的秩。例如,一个二维数组的ndim值为2。
- shape。这个属性返回一个元组,表示数组的维度大小。例如,一个2x3的数组的shape为(2,3)。
- size。这个属性返回数组中元素的总数,等于数组的形状的各维度大小的乘积。
- dtype。这个属性表示数组中元素的数据类型。NumPy提供了多种数据类型,如int8、int32、float64等,可以根据需要指定数组的数据类型。
- flags。这个属性提供了有关数组内部布局和内存管理的信息,包括是否C或Fortran内存布局、是否只读等。
一、索引的介绍
索引是指对一个容器类型(例如序列、字符串)中元素的编号,可以通过这些编号来访问或修改容器类型中的元素。在Python中,容器类型的索引起始值为0,即第一个元素的索引为0,第二个元素的索引为1,以此类推。
二、数组的索引
在Python中,数组(在Python中称为列表)的索引操作可以用来访问、修改或删除数组中的元素。
函数 | 描述 |
---|---|
resize | 返回指定形式的新数组 |
append | 将值添加到数组末尾 |
insert | 延指定轴将数值插入到指定下标之前 |
delete | 删掉某个轴的子数组,返回删除后的新数组 |
1、引入numpy库
(1)先将numpy引入库中
(2)创建一个示例数组并进行查看
2、访问元素
(1)访问正向索引
(2)访问反向索引
3、修改元素
4、增加元素
添加元素:可以使用append()方法在数组末尾添加元素,或使用insert()方法在指定位置添加元素。
5、删除元素
可以使用pop()方法删除并返回指定位置的元素,del关键字删除指定位置的元素,remove()方法删除数组中第一个匹配的元素。
三、数组切片
1、数组切片的介绍
NumPy是一个强大的Python库,用于科学计算和数据分析,它提供了用于处理多维数组的功能。数组切片是一种在NumPy中常用的技术,用于获取数组的子集。让我们逐步介绍NumPy数组切片的格式、用法和示例代码。
2、NumPy数组切片的基本格式如下:
array[start:stop:step]
- 1.start:起始索引(包含在切片中),默认为0。
- 2.stop:终止索引(不包含在切片中)。
- 3.step:步长,用于控制切片的间隔,可以为负数。
切片操作是指通过指定下标范围,从数组中获取部分数据。numpy切片操作可以用于一维数组、二维数组、多维数组等各种数据结构。下面将分别介绍numpy切片操作的具体方法。
(1) 使用一维数组切片![](https://i-blog.csdnimg.cn/blog_migrate/24e1244b7f80b62fcf01fa5e99258661.png)
(2)使用二维数组切片
总结
numpy库中的切片操作是一种强大且灵活的数据处理方式。无论是一维数组、二维数组还是多维数组,都可以使用切片操作来获取部分数据。
四、创建6*6的数独矩阵
创建6*6的数独矩阵
五、数组的基本运算
1、数组的加减乘除
2、数组的统计函数
(1)求平均值mean
(2)求最大值max
(3)求最小值min
(4)求中位数median
(5)求方差
总结
在本教程中,我们介绍了如何使用NumPy进行数组切片和索引。这些功能使您能够有效地访问和操作NumPy数组中的元素。
这些技巧对于数据处理、分析和科学计算非常有用,帮助您轻松处理大量数据并提取感兴趣的信息。
希望本教程对您理解NumPy中的数组切片和索引有所帮助。继续学习和实践,以更好地掌握NumPy库的强大功能。