Python 实战项目：NumPy_ndarray（后附完整代码与逐步拆解）

目标及要求：

1.大润发、沃尔玛、好德和农工商4个超市售卖苹果、梨、香蕉、橘子和芒果5种水果。使用 NumPy的 ndarray 实现以下功能。
(1)创建两个一维数组分别存储超市名称和水果名称。
(2)创建一个 4x5的二维数组存储不同超市的水果价格，其中价格(单位为元)由4~10 范围内的随机数生成。
(3)选择大润发的苹果和好德的香蕉，并将价格增加1元。
(4)农工商的水果大减价，将所有的水果价格减少2元。
(5)统计4个超市苹果和芒果的销售均价。
(6)找出橘子价格最贵的超市名称(不是编号)。

---

代码拆解：

1. 导入 NumPy 库

import numpy as np

 在 Python 里，要使用 NumPy 库的功能，就得先把它导入。这里我们用 import numpy as np 把 NumPy 库导入，并且给它起了个简称 np，这样后续使用时就更简便。

2. 创建超市和水果的一维数组

supermarkets = np.array(['大润发', '沃尔玛', '好德', '农工商'])
fruits = np.array(['苹果', '梨', '香蕉', '橘子', '芒果'])

 这里借助 np.array() 函数分别创建了两个一维数组。supermarkets 数组存储了 4 个超市的名称，fruits 数组存储了 5 种水果的名称。这些数组在后续的操作中会作为数据的索引依据。

3. 生成 4x5 的价格矩阵

np.random.seed(2023)  # 固定随机种子确保可复现
prices = np.round(np.random.uniform(4, 10, (4,5)), 2)

• np.random.seed(2023)：这行代码设定了随机数种子，其作用是保证每次运行代码时生成的随机数是一样的，这样就能让结果可复现。
• np.random.uniform(4, 10, (4,5))：利用 np.random.uniform() 函数生成一个 4 行 5 列的二维数组，数组里的元素是在 4 到 10 这个范围内的随机浮点数。这个二维数组就代表了不同超市的不同水果价格。
• np.round(..., 2)：使用 np.round() 函数把生成的随机数保留两位小数。

 4. 对特定水果价格进行调整

prices[0, 0] += 1   # 大润发（索引0）苹果（索引0）
prices[2, 2] += 1   # 好德（索引2）香蕉（索引2）

在 NumPy 的二维数组里，第一个索引代表行，第二个索引代表列。prices[0, 0] 表示大润发的苹果价格，prices[2, 2] 表示好德的香蕉价格。通过 += 1 操作，把这两种水果的价格各增加了 1 元。 

5. 农工商所有水果减价

prices[3] = np.round(prices[3] - 2, 2)  # 整行操作

 prices[3] 表示农工商对应的那一行数据，也就是农工商所有水果的价格。prices[3] - 2 把这一行的每个元素都减去 2，实现了农工商所有水果减价 2 元的操作。最后再用 np.round() 函数把结果保留两位小数。

6. 计算苹果和芒果的销售均价

apple_avg = np.round(prices[:,0].mean(), 2)
mango_avg = np.round(prices[:,-1].mean(), 2)

• prices[:,0]：选取了二维数组的第一列，也就是所有超市的苹果价格。
• prices[:,-1]：选取了二维数组的最后一列，也就是所有超市的芒果价格。
• .mean()：计算所选列的平均值。
• np.round(..., 2)：把计算得到的平均值保留两位小数。

7. 查找橘子价格最贵的超市

orange_prices = prices[:,3]  # 橘子列索引为3
max_supermarket = supermarkets[orange_prices.argmax()]

• prices[:,3]：选取了二维数组的第四列，也就是所有超市的橘子价格。
• orange_prices.argmax()：找出 orange_prices 数组中最大值的索引。
• supermarkets[orange_prices.argmax()]：根据这个索引从 supermarkets 数组中找出对应的超市名称。

 8. 输出结果

print("=== 价格矩阵 ===")
print(prices)
print("\n=== 统计结果 ===")
print(f"苹果平均价: {apple_avg}元  芒果平均价: {mango_avg}元")
print(f"橘子最贵超市: {max_supermarket}")

通过 print() 函数把价格矩阵和统计结果输出到控制台，方便查看。 

总结

这段代码运用了 NumPy 的 ndarray 来处理超市水果价格数据，涉及到数组的创建、随机数生成、数组元素的选取与修改、统计计算等操作。这些操作都是 NumPy 中非常基础且常用的功能，有助于熟悉 NumPy 的使用。

码字不易，如果看到这里了觉得ok的话，麻烦顺便点个赞呢，谢谢你！祝好。

---

import numpy as np

# (1) 创建超市和水果一维数组
supermarkets = np.array(['大润发', '沃尔玛', '好德', '农工商'])
fruits = np.array(['苹果', '梨', '香蕉', '橘子', '芒果'])

# (2) 生成4x5价格矩阵（4-10元，保留两位小数）
np.random.seed(2023)  # 固定随机种子确保可复现
prices = np.round(np.random.uniform(4, 10, (4,5)), 2)

# (3) 大润发苹果+1，好德香蕉+1
prices[0, 0] += 1   # 大润发（索引0）苹果（索引0）
prices[2, 2] += 1   # 好德（索引2）香蕉（索引2）

# (4) 农工商所有水果-2元
prices[3] = np.round(prices[3] - 2, 2)  # 整行操作

# (5) 计算苹果和芒果均价
apple_avg = np.round(prices[:,0].mean(), 2)
mango_avg = np.round(prices[:,-1].mean(), 2)

# (6) 查找橘子最贵超市
orange_prices = prices[:,3]  # 橘子列索引为3
max_supermarket = supermarkets[orange_prices.argmax()]

# 输出结果
print("=== 价格矩阵 ===")
print(prices)
print("\n=== 统计结果 ===")
print(f"苹果平均价: {apple_avg}元  芒果平均价: {mango_avg}元")
print(f"橘子最贵超市: {max_supermarket}")