python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > NumPy数组创建和索引访问

NumPy数组创建方法与索引访问详解

作者:小万哥丶

这篇文章主要介绍了NumPy数组创建方法与索引访问,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,文中通过代码示例讲解的非常详细,需要的朋友可以参考下

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 3x3 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 5x5 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脚本之家其它相关文章!

您可能感兴趣的文章:
阅读全文