numpy.ndarray对象与二维数组

`numpy.ndarray` 对象是 NumPy 库中最重要的对象之一，它用于表示多维数组。在 NumPy 中，二维数组就是一个由行和列组成的矩阵，可以使用 `numpy.ndarray` 对象来表示。

与传统的 Python 列表不同，`numpy.ndarray` 对象具有以下特点：

- 所有元素的类型必须相同，通常是数值类型，例如 `int`、`float`、`complex` 等。
- 可以使用 `shape` 属性获取数组的形状，即行数和列数。
- 可以使用 `dtype` 属性获取数组元素的数据类型。

下面是一个使用 `numpy.ndarray` 对象表示二维数组的示例：

import numpy as np

# 创建一个二维数组
my_array = np.array([[1, 2, 3], [4, 5, 6]])

# 打印形状和数据类型
print(my_array.shape)
print(my_array.dtype)

# 打印数组
print(my_array)

输出：

(2, 3)
int64
[[1 2 3]
 [4 5 6]]

在上面的示例中，我们首先使用 NumPy 库创建一个二维数组 `my_array`，其中包含两行三列的整数。然后，我们使用 `shape` 和 `dtype` 属性分别获取数组的形状和数据类型。最后，我们打印数组来验证它是否包含了我们创建的数据。

相关问题

numpy.ndarray 二维数组添加一维数组

可以使用numpy的concatenate函数将一维数组添加到二维数组中。

示例代码如下：

import numpy as np

# 创建一个3x3的二维数组
arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 创建一个长度为3的一维数组
arr1d = np.array([10, 11, 12])

# 在二维数组的第二维度上添加一维数组
new_arr = np.concatenate((arr2d, arr1d.reshape(3, 1)), axis=1)

print(new_arr)

输出结果：

array([[ 1,  2,  3, 10],
       [ 4,  5,  6, 11],
       [ 7,  8,  9, 12]])

其中，`axis=1`表示在第二个维度上进行拼接操作，`arr1d.reshape(3, 1)`将一维数组转化为列向量，以便与二维数组拼接。

numpy.ndarray 二维数组修改数值

要修改 numpy.ndarray 二维数组中的数值，可以使用索引来访问数组中的元素，并将其赋值为新的值。例如，假设我们有一个名为 `arr` 的二维数组，我们可以使用以下代码修改其中某个元素的值：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 修改第二行第三列的元素为 10
arr[1, 2] = 10

print(arr)

输出结果为：

[[ 1  2  3]
 [ 4  5 10]
 [ 7  8  9]]

在这个例子中，我们使用 `arr[1, 2]` 访问数组中的第二行第三列元素，并将其赋值为 10。