【基础】NumPy:数组操作入门
发布时间: 2024-06-26 11:51:37 阅读量: 6 订阅数: 18
![【基础】NumPy:数组操作入门](https://ask.qcloudimg.com/http-save/8934644/fd9a445a07f11c8608626cd74fa59be1.png)
# 2.1 一维数组操作
### 2.1.1 数组创建和初始化
NumPy 中一维数组的创建和初始化有以下几种方式:
- **使用 `np.array()` 函数:**将一个列表或元组转换为 NumPy 数组。
```python
import numpy as np
# 创建一个包含数字的数组
arr = np.array([1, 2, 3, 4, 5])
# 创建一个包含字符串的数组
arr = np.array(['a', 'b', 'c', 'd', 'e'])
```
- **使用 `np.arange()` 函数:**创建一个具有指定范围和步长的数组。
```python
# 创建一个从 0 到 9,步长为 2 的数组
arr = np.arange(0, 10, 2)
```
- **使用 `np.linspace()` 函数:**创建一个在指定间隔内均匀分布的数组。
```python
# 创建一个从 0 到 10,包含 11 个点的数组
arr = np.linspace(0, 10, 11)
```
# 2. NumPy数组操作
NumPy提供了丰富的数组操作功能,包括一维数组操作和多维数组操作。
### 2.1 一维数组操作
#### 2.1.1 数组创建和初始化
NumPy中的一维数组可以使用`np.array()`函数创建,并可以指定元素类型和数据。例如:
```python
import numpy as np
# 创建一个包含整数元素的一维数组
arr = np.array([1, 2, 3, 4, 5])
print(arr) # 输出:[1 2 3 4 5]
# 创建一个包含浮点数元素的一维数组
arr = np.array([1.2, 2.3, 3.4, 4.5, 5.6])
print(arr) # 输出:[1.2 2.3 3.4 4.5 5.6]
```
#### 2.1.2 数组索引和切片
一维数组可以使用整数索引或切片进行访问。整数索引用于访问单个元素,而切片用于访问元素的子集。例如:
```python
# 获取数组的第一个元素
first_element = arr[0]
print(first_element) # 输出:1.2
# 获取数组的最后三个元素
last_three_elements = arr[-3:]
print(last_three_elements) # 输出:[3.4 4.5 5.6]
# 获取数组的第2个到第4个元素
middle_elements = arr[1:4]
print(middle_elements) # 输出:[2.3 3.4 4.5]
```
### 2.2 多维数组操作
#### 2.2.1 多维数组的创建和初始化
NumPy中的多维数组可以使用`np.array()`函数创建,并指定元素类型、数据和维度。例如:
```python
# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print(arr) # 输出:
# [[1 2 3]
# [4 5 6]]
# 创建一个三维数组
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print(arr) # 输出:
# [[[ 1 2 3]
# [ 4 5 6]]
# [[ 7 8 9]
# [10 11 12]]]
```
#### 2.2.2 多维数组的索引和切片
多维数组可以使用整数索引或切片进行访问。对于二维数组,第一个索引表示行,第二个索引表示列。对于三维数组,第一个索引表示深度,第二个索引表示行,第三个索引表示列。例如:
```python
# 获取二维数组的第一行
first_row = arr[0]
print(first_row) # 输出:[1 2 3]
# 获取二维数组的第二列
second_column = arr[:, 1]
print(second_column) # 输出:[2 5]
# 获取三维数组的第一个深度
first_depth = arr[0]
print(first_depth) # 输出:
# [[1 2 3]
# [4 5 6]]
# 获取三维数组的第二行
second_row = arr[1, 1]
print(second_row) # 输出:[10 11 12]
```
# 3.1 基本运算
#### 3.1.1 算术运算
NumPy数组支持各种算术运算,包括加法、减法、乘法、除法、取模和幂运算。这些运算可以逐元素进行,也可以对整个数组进行。
**代码块:**
```python
import numpy as np
# 创建两个数组
a = np.array([1, 2, 3])
b = np.array([4, 5, 6])
# 逐元素加法
c = a + b
print(c) # 输出:[5 7 9]
# 整个数组乘法
d = a * b
print(d) # 输出:[ 4 10 18]
# 取模运算
e = a % b
pri
```
0
0