Python数据分析(2)----------Numpy(ndarray)数组的基本操作1

上回谈到 Numpy数组创建与数组属性 感觉怎么样？其实我这一系列数据分析，是我学习python数据分析的一个笔记，也就是说，如果大家想自学数据分析，可以跟着我的博客来一起学习，可能更新有点慢，但是我尽量赶时间，在数据清洗结束后我会整理一个目录，供大家参考

今天我们分享一下ndarray的基本操作

1.索引

索引是类似于列表下标的一个东西，很easy

一维数组与列表完全一致 多维时同理

一维数组

#创建一个arr1数组，根据下标访问元素
arr1 = np.random.randint(0,10,size=10)
arr1[0],arr[-1]

访问读个元素咋整呢？

#可以使用多个索引，同时获取多个元素组成的子数组
arr1[[1,2]]

这里不上图了，但是要注意，要以列表的方式访问哦

高维数组

# 创建一个高维数组
arr2 = np.random.randint(0,100,size=(3,4))
arr2

我们可以先想一下，高维数组，想访问一个元素，可不可以跟高维列表一样呢？
当然可以homie！！
但是一般不这样？
别问为啥，帅的人都不这样，直接上代码

# 传统的python访问方式
arr2[0][0]

# numpy访问方式,来表达多维数组在各个轴上的取值位置
arr2[0,0]

# 最后一个数
arr2[-1,-1]

似乎这样访问更便捷了有没有

2.切片

一维与列表完全一致 多维时同理

# 普通切片，左闭右开区间
arr1[2:5]

# 从头切到尾，隔两个一切
arr1[::2]

#从下标2切到下标8，隔3个一切
arr1[2:8:3]

高维数组的切片

# 先用[0]将二维数组变为一维数组，再切，但是尽量别用
arr2[0:1][0][0:2]

# 同时在两个维度上切片，先0:1切，再在结果上0:2切
arr2[0:1,0:2]

# 行切片
arr2[0:2]

# 列切片
arr2[:,0:2]

发现不对劲是吗？

行切片就切就完事了，但是！列切片必须要先把行给搞定，所以，如果想行不动，那就给加个:,要么会报错！哦不，会当成列切片来切哈哈哈

3.变形

想想arr2这个3行4列的数组，能不能变变形状？

# 还记得shape属性吗？
arr2.shape
arr2.reshape(2,6)

以后我们在数据清洗的时候，或者机器学习的时候会经常用这个操作

什么？你想reshape成(2,5)？
别忘了，形状可以变，内容不能缺啊，25=34吗？

个数在变形前后一定要保持一致

今天就先这样，下一次我们将来分享级联、切分和副本