python数据处理作业7：随机生成一个3*3的整形数组，并将数组中的所有偶数替换为0

每日小语

人应尊敬他自己，并应自视能配得上最高尚的东西。——黑格尔

 gpt代码

import numpy as np

# 随机生成3x3的整型数组
data = np.random.randint(0, 10, size=(3, 3))

# 将数组中的所有偶数替换为0
data[data % 2 == 0] = 0

# 输出替换后的数组
print(data)

这个很好理解。

自己敲写

`data[data % 2 == 0] = 0` 这行代码使用了NumPy的向量化操作，将数组`data`中所有偶数元素替换为0。

- `data % 2 == 0`：这部分代码生成一个布尔型数组，其元素与`data`中对应位置的元素进行取余操作，判断是否等于0。结果是一个与`data`形状相同的布尔型数组，其中`True`表示对应位置的元素是偶数，而`False`表示是奇数。

- `data[data % 2 == 0]`：这部分代码使用布尔型数组作为索引，从原始数组`data`中选取所有满足条件（偶数）的元素，形成一个一维数组。

- `data[data % 2 == 0] = 0`：最后，将选取的偶数元素所在的位置在原始数组中进行赋值操作，将它们全部替换为0。

通过这样的操作，我们可以高效地对整个数组进行元素级别的替换，而无需使用显式的循环。这是NumPy的一个强大之处，因为它支持向量化操作，可以更快速、简洁地处理大规模数据。

这一块不懂，然后还有size的加的地方不熟悉，牢记。