数据分析Numpy（3）-索引

#导入模块，重命名为np
import numpy as np

#一维数组
a = np.arange(1,13) #生成[0,1,2,3,...,12]数组
print(a[3]) #结果为4
print(a[:6:2]) #索引0-5以2为间隔输出
print(a[：：-1]) #逆序输出

#二维数组
b = a.reshape(3,4) #转化为三行四列的二维数组
print(b[2]) #[9,10,11,12],也就是第三行（0是第一行）
print(b[1][1]) #结果为5，等价于b[1,1]
print(b[1,1:3]) #输出第二行第二、三列元素
for row in b :
    print(row) #逐行打印

for col in b.T:
    print(col) #逐列打印

print(b.flatten()) #多维转化为一维，等价于b.ravel(),但是不会更改原始数组
b.resize((2,6)) #将三行四列转换为两行六列并且会永久修改原始数组，如果第二个参数为-1，则resize会自动判断需要的列数
for item in a.flat:
    print(item) #仅仅以一列的形式展示所有的数组元素

对fromfunction（）函数的分析：通过例子来了解

#首先定义函数
def f(x,y):
     return 10*x+y
#调用fromfunction(func,shape,*arg)函数
b = np.fromfunction(f,(5,4),dtype=int)
print(b)
'''
array([[ 0,  1,  2,  3],
       [10, 11, 12, 13],
       [20, 21, 22, 23],
       [30, 31, 32, 33],
       [40, 41, 42, 43]])
解释：因为shape是（5,4），所以结果数组是五行四列，x依次取0、1、2、3、4，y依次取0、1、2、3，数组类型是int
1.x=0,y依次取0、1、2、3作为第一行
2.x=1,y依次取0、1、2、3作为第二行
3.x=2,y依次取0、1、2、3作为第三行
4.x=3,y依次取0、1、2、3作为第四行
5.x=4,y依次取0、1、2、3作为第五行
'''

b[2,3]
print(b) #输出第三行第四列为23
b[0:5, 1]                       #输出第0-4行的第二列 
>>>array([ 1, 11, 21, 31, 41])
b[ : ,1]                        # 输出所有行的第二列
>>>array([ 1, 11, 21, 31, 41])
b[1:3, : ]                      # 输出第1-2行的所有列
>>>array([[10, 11, 12, 13],
       [20, 21, 22, 23]])
b[-1] #等价于b[-1,:]和b[-1,...]输出最后一行的所有列 
>>>array([40, 41, 42, 43])

其他属性：

Indexing, Indexing (reference), newaxis , ndenumerate , indices