numpy二维列表与操作

在 NumPy 中，二维数组可以用 ndarray 对象来表示。下面是一个创建二维数组的例子：

import numpy as np

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

输出：

[[1 2 3]
 [4 5 6]
 [7 8 9]]

可以通过下标来访问和修改二维数组中的元素，下标使用逗号分隔。例如，访问第 2 行第 3 列的元素：

print(a[1, 2])  # 输出：6

还可以使用切片来访问二维数组的子集：

print(a[0:2, 1:3])  # 输出：[[2 3]
                   #      [5 6]]

上面的代码中，我们使用了切片 `0:2` 来选择前两行，再使用切片 `1:3` 来选择第 2、3 列。

除了访问和修改元素以外，NumPy 还提供了许多操作二维数组的函数，例如：

- `ndarray.shape`：获取数组的形状，即各维度的长度。

  print(a.shape)  # 输出：(3, 3)

- `ndarray.size`：获取数组中元素的总数。

  print(a.size)  # 输出：9

- `ndarray.reshape`：改变数组的形状。

  b = a.reshape((9,))
  print(b)       # 输出：[1 2 3 4 5 6 7 8 9]

- `ndarray.transpose`：返回数组的转置。

  c = a.transpose()
  print(c)       # 输出：[[1 4 7]
                 #      [2 5 8]
                 #      [3 6 9]]

- `ndarray.sum`：计算数组中元素的总和。

  print(a.sum())  # 输出：45

- `ndarray.mean`：计算数组中元素的平均值。

  print(a.mean())  # 输出：5.0

- `ndarray.max` 和 `ndarray.min`：计算数组中元素的最大值和最小值。

  print(a.max())   # 输出：9
  print(a.min())   # 输出：1

这些操作只是 NumPy 提供的一小部分，还有很多其他的操作可以用来处理二维数组。