numpy数据处理实践：创建与操作数组

该资源是关于数据导入与预处理的Jupyter Notebook练习，重点在于使用Python的numpy库。它提供了创建和操作数组的各种示例，包括一维、二维和三维数组的创建，以及如何利用不同类型的索引来访问数组元素。 在Python的科学计算中，numpy是一个核心库，它支持高效的大规模多维数组和矩阵运算，同时也包含了一些基本的数学函数。在这个练习中，我们首先看到如何导入numpy库，并用`np.array()`函数创建不同维度的数组： 1. 一维数组：通过传入一个列表来创建一维数组，如`array_1d = np.array([1,2,3])`。 2. 二维数组：通过传入嵌套的列表来创建二维数组，例如`array_2d = np.array([[1,2,3],[4,5,6]])`。 3. 三维数组：通过传入嵌套的列表，可以创建更高维度的数组，如`array_3d = np.array([[list_a],[list_b],[list_a],[list_b]])`，其中`list_a`和`list_b`是两个一维列表。 接着，我们学习了如何创建特定值填充的数组： - `np.zeros()`函数用于创建指定形状且所有元素值为0的数组，如`array_demo = np.zeros([2,3])`。 - `np.ones()`函数创建指定形状且所有元素值为1的数组，例如`array_demo = np.ones([4,3])`。 - `np.empty()`函数创建指定形状且元素值为随机的未初始化数值的数组，`array_demo = np.empty((3,3), dtype=int)`。 此外，还展示了`np.arange()`函数的使用，它可以创建一个等差序列数组，如`array_demo = np.arange(1, 30, 4)`，它生成一个从1到29（不包括30）且步长为4的数组。 在数组访问部分，练习涵盖了两种常见的索引方式： 1. 整数索引：直接使用整数下标访问数组元素，如`array_1d[0]`。 2. 花式索引与布尔索引：通过列表或布尔数组来选择数组中的特定元素，例如`array_1d[[0, 2]]`选取第一和第三个元素，或通过条件表达式得到布尔数组来筛选元素，如`array_1d[array_1d > 4]`选取大于4的元素。 这个资源对于初学者来说是非常宝贵的实践资料，有助于提升在数据处理方面的能力，特别是熟悉numpy的数组操作和索引技巧。通过不断地练习，可以更好地掌握这些概念，并应用于实际的数据分析项目中。