目录
- NumPy 创建数组
- 使用 array() 函数
- 使用zeros()和ones()函数
- 使用empty()函数
- 使用特殊函数
- 练习
- NumPy 数组索引
- 访问一维数组元素
- 访问二维数组元素
- 访问三维及更高维数组元素
- 负索引
- 练习
- 最后
NumPy 创建数组
NumPy 中的核心数据结构是 ndarray，它代表多维数组。NumPy 提供了多种方法来创建 ndarray 对象，包括：
使用 array() 函数
array() 函数是最常用的方法之一，它可以将 Python 列表、元组甚至其他数组转换为 ndarray 对象。
语法：
ndarray = np.array(data, dtype=dtype, order=order)
参数说明：
data：可以是 Python 列表、元组或其他数组。 dtype：指定数组元素的数据类型，默认为 float64。 order：指定数组元素的内存存储顺序，默认为 C 顺序（行优先）。
示例：
import numpy as np # 创建一维数组 arr1 = np.array([1, 2, 3, 4, 5]) # 创建二维数组 arr2 = np.array([[1, 2, 3], [4, 5, 6]]) # 创建三维数组 arr3 = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) print(arr1) print(arr2) print(arr3)
输出：
[1 2 3 4 5]
[[1 2 3]
[4 5 6]]
[[[ 1 2 3]
[ 4 5 6]]
[[ 7 8 9]
[10 11 12]]]
使用zeros()和ones()函数
zeros() 和 ones() 函数可以创建指定形状和数据类型的全零或全一数组。
语法：
ndarray = np.zeros(shape, dtype=dtype) ndarray = np.ones(shape, dtype=dtype)
参数说明：
shape：指定数组的形状，可以是元组或列表。 dtype：指定数组元素的数据类型，默认为 float64。
示例：
import numpy as np # 创建一个 3x4 的全零数组 arr1 = np.zeros((3, 4)) # 创建一个 2x3 的全一数组 arr2 = np.ones((2, 3)) print(arr1) print(arr2)
输出：
[[0. 0. 0. 0.]
[0. 0. 0. 0.]
[0. 0. 0. 0.]]
[[1. 1. 1.]
[1. 1. 1.]]
使用empty()函数
empty() 函数可以创建指定形状的空数组，但数组元素的值未定义。
语法：
ndarray = np.empty(shape, dtype=dtype)
参数说明：
shape：指定数组的形状，可以是元组或列表。 dtype：指定数组元素的数据类型，默认为 float64。
示例：
import numpy as np # 创建一个 3x4 的空数组 arr = np.empty((3, 4)) print(arr)
输出：
[[nan nan nan nan]
[nan nan nan nan]
[nan nan nan nan]]
使用特殊函数
NumPy 还提供了一些特殊函数来创建特定类型的数组，例如：
arange()：创建等差数列数组。 linspace()：创建线性间隔的数组。 eye()：创建单位矩阵。 diag()：创建对角矩阵。
请参考 NumPy 文档了解有关这些函数的更多信息。
练习
创建以下数组：
一个包含 10 个元素的递增整数数组（从 0 到 9）。 一个包含 20 个元素的随机浮点数数组（范围为 0 到 1）。 一个 3×3 的单位矩阵。
请在评论中分享您的答案。
Sure, here is the requested Markdown formatted content:
NumPy 数组索引
NumPy 数组可用于表示多维数据。访问数组元素是 NumPy 中常见操作之一。
访问一维数组元素
NumPy 数组中的索引从 0 开始，这意味着第一个元素的索引为 0，第二个元素的索引为 1，依此类推。
要访问一维数组中的元素，可以使用方括号 [] 并指定元素的索引。
示例：
import numpy as np # 创建一维数组 arr = np.array([1, 2, 3, 4, 5]) # 访问第一个元素 print(arr[0]) # 输出：1 # 访问第二个元素 print(arr[1]) # 输出：2 # 访问最后一个元素 print(arr[-1]) # 输出：5
访问二维数组元素
要访问二维数组中的元素，可以使用逗号分隔的两个索引：第一个索引表示行，第二个索引表示列。
示例：
import numpy as np # 创建二维数组 arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 访问第一行第一个元素 print(arr[0, 0]) # 输出：1 # 访问第二行第三列元素 print(arr[1, 2]) # 输出：6 # 访问最后一个元素 print(arr[-1, -1]) # 输出：9
访问三维及更高维数组元素
对于三维及更高维数组，可以使用逗号分隔的多个索引来访问元素，每个索引表示相应维度的索引。
示例：
import numpy as np # 创建三维数组 arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) # 访问第一个数组的第二个数组的第三个元素 print(arr[0, 1, 2]) # 输出：6
负索引
NumPy 还支持负索引，从数组的末尾开始计数。
例如，要访问二维数组的最后一个元素，可以使用 arr[-1, -1]。
练习
创建一个 5×5 的二维数组 arr，并打印以下元素：
第一行的第一个元素 第二行的最后一个元素 第三列的第一个元素 第三个元素
在评论中分享您的代码和输出。
最后
以上就是NumPy数组创建方法与索引访问详解的详细内容，更多关于NumPy数组创建和索引访问的资料请关注其它相关文章！
评论(0)