创建一个5✖️5的二维数组，元素为（0，1）的浮点数。使用布尔索引选择数组中即大于0.5又小于0.9的元素

创建一个5×5的二维数组，其中所有元素都是0.5和1之间的浮点数，你可以这样做：

import numpy as np

# 创建一个5x5的二维数组，元素范围在0.5到0.9之间（包括两端）
arr = np.array([[np.random.uniform(0.5, 0.9) for _ in range(5)] for _ in range(5)])

# 使用布尔索引来选择满足条件的元素
mask = (arr > 0.5) & (arr < 0.9)
selected_elements = arr[mask]

print("原始数组:\n", arr)
print("筛选后的元素:\n", selected_elements)

在这个例子中，我们首先导入了NumPy库，然后生成了一个5行5列的二维数组，每个元素的值通过`np.random.uniform()`随机生成在0.5和0.9之间。接下来，我们创建了一个布尔数组`mask`，它的每个元素对应原数组的一个元素，如果该元素大于0.5且小于0.9，对应的`mask`就是True。最后，我们使用布尔索引`mask`来选取满足条件的元素。

相关问题

数据统计 (1)创建数据类型 ​ (2)创建二维数组

在数据分析中，创建数据类型和二维数组是非常基本的操作：

(1) 创建数据类型：
数据类型是用来描述变量能够存储的数据种类，例如整数(int), 浮点数(float), 字符串(string), 或布尔值(bool)等。在大多数编程语言中，定义变量时需要指定其数据类型，如Python示例：

# 定义整型变量
num = 5
# 定义浮点型变量
pi = 3.14
# 定义字符串变量
name = "Alice"
# 定义布尔型变量
is_student = True

(2) 创建二维数组（也称为矩阵）：
二维数组是一种特殊的数组，它包含行向量组成的集合。每个元素都有一个行索引和列索引。在Python中，我们可以使用numpy库来方便地处理二维数组：

import numpy as np

# 创建一个空的二维数组
arr = np.array([[0, 0], [0, 0]])

# 或者直接创建已初始化的二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

在这些数组中，你可以通过索引来访问和修改特定的元素。