Python Numpy的切片和索引及使用

原创 已于 2024-06-30 15:04:32 修改 · 1.4k 阅读 · 22 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
文章标签：

#numpy

于 2024-04-17 15:39:17 首次发布

目录

Numpy介绍

数据类型

数组属性

一、索引的介绍

二、数组的索引

1、引入numpy库

（1）先将numpy引入库中

（2）创建一个示例数组并进行查看

2、访问元素

（1）访问正向索引

（2）访问反向索引

3、修改元素

4、增加元素

5、删除元素

三、数组切片

1、数组切片的介绍

2、NumPy数组切片的基本格式如下：

（1） 使用一维数组切片​编辑

 （2）使用二维数组切片

四、创建6*6的数独矩阵

五、数组的基本运算

 1、数组的加减乘除

2、数组的统计函数 

（1）求平均值mean

（2）求最大值max

（3）求最小值min

（4）求中位数median

（5）求方差

总结

Numpy介绍

Numpy，全称Numerical Python，是一个开源的Python库，它为Python提供了强大的多维数组对象和用于处理这些数组的函数。NumPy的核心是ndarray，它是一个高效的多维数组容器，用于存储和处理大规模的数据。NumPy还提供了许多数学函数，用于数组之间的操作，以及用于线性代数、傅立叶变换和随机数生成等功能。

Numpy 不仅仅是 Python 科学计算中使用最多的库，还是 SciPy， Pandas等库的基础，它提供了更加高级有效的数据结构，是专门为科学计算而生的库。

数据类型

下面罗列了一些常见Numpy类型

名称 描述
bool_ 布尔型数据类型（True 或者 False）
int_ 默认的整数类型
int32 整数（-2147483648 to 2147483647）

数组属性

Numpy数组的主要属性包括：

  • ndim。这个属性返回数组的维度数量，即数组的秩。例如，一个二维数组的ndim值为2。
  • shape。这个属性返回一个元组，表示数组的维度大小。例如，一个2x3的数组的shape为(2,3)。
  • size。这个属性返回数组中元素的总数，等于数组的形状的各维度大小的乘积。
  • dtype。这个属性表示数组中元素的数据类型。NumPy提供了多种数据类型，如int8、int32、float64等，可以根据需要指定数组的数据类型。
  • flags。这个属性提供了有关数组内部布局和内存管理的信息，包括是否C或Fortran内存布局、是否只读等。

一、索引的介绍

索引是指对一个容器类型（例如序列、字符串）中元素的编号，可以通过这些编号来访问或修改容器类型中的元素。在Python中，容器类型的索引起始值为0，即第一个元素的索引为0，第二个元素的索引为1，以此类推。

二、数组的索引

在Python中，数组（在Python中称为列表）的索引操作可以用来访问、修改或删除数组中的元素。

函数 描述
resize 返回指定形式的新数组
append 将值添加到数组末尾
insert 延指定轴将数值插入到指定下标之前
delete 删掉某个轴的子数组，返回删除后的新数组

1、引入numpy库

（1）先将numpy引入库中

（2）创建一个示例数组并进行查看

2、访问元素

（1）访问正向索引

最低0.47元/天 解锁文章
彭舜玘
关注
【Python Numpy教程】切片和索引
m0_62599305的博客
11-02 8868
NumPy是Python中用于科学计算的重要库之一，它提供了多维数组对象和许多用于操作这些数组的函数。在本教程中，我们将探讨NumPy中的数组切片和索引，这是使用NumPy进行数据处理和分析时的关键概念。数组切片和索引使您能够访问、操作和修改NumPy数组的元素，对于数据处理和提取特定数据非常有用。在本教程中，我们介绍了如何使用NumPy进行数组切片和索引。这些功能使您能够有效地访问和操作NumPy数组中的元素。使用索引访问单个元素或使用负索引访问数组末尾的元素。
python数组切片
暴力扬
08-06 2762
NumPy是Python中用于科学计算的一个库，它提供了对大规模多维数组和矩阵的支持。切片（slicing）是从这些数组中提取子数组的一个强大工具。NumPy切片是一种强大且灵活的工具，用于从数组中提取子集。除了基础的切片，NumPy还支持一些高级切片技术，如布尔索引和花式索引（fancy indexing）。对于多维数组，切片操作适用于每一个维度。这个例子展示了如何使用切片从数据集中提取目标变量和特征数据。
NumPy 切片和索引
likuoelie的博客
09-05 947
NumPy切片和索引是操作多维数组的核心功能，支持高效数据访问和修改。基础操作包括一维/多维数组的简单索引和切片，高级索引提供布尔和整数数组索引方式。关键区别在于视图（共享内存）和副本（独立数据）的生成机制，切片返回视图而高级索引生成副本。实际应用中可用于数据筛选、子集提取和条件修改。最佳实践建议优先使用切片节省内存，明确副本需求，并用布尔索引简化条件筛选。注意索引越界和性能优化，尤其在大数组操作时。
NumPy 系列（三）：numpy 数组的索引
最新发布
weixin_51878399的博客
09-21 792
本文介绍了NumPy数组的多种索引和切片操作方式，包括普通索引、花式索引和切片访问。主要内容包括： 访问数组元素的基本方法，向量和矩阵的不同索引语法； 花式索引的特点和使用方式，可以同时访问多个不连续元素； 数组切片操作，包括向量和矩阵的切片方法，提取行和列的不同方式； NumPy数组的特殊性质：切片仅是原数组的视图而非副本，赋值操作仅是绑定关系而非创建新变量； 需要创建独立副本时需使用.copy()方法。 这些操作方式体现了NumPy在内存管理上的优化设计，特别适合处理大规模数据时的性能需求。
掌握Python中的索引和切片
weixin_48272043的博客
05-06 1290
在Python中，像字符串或列表这样的有序序列的元素可以通过它们的索引单独访问。这可以通过提供我们希望从序列中提取的元素的数字索引来实现。另外，Python支持切片，这是一个特性，可以让我们提取原始sequence对象的子集。 在本文中，我们将探讨索引和切片是如何工作的，以及如何使用它们来编写更干净、更具python风格的代码。 索引 与大多数编程语言一样，Python偏移量从位置0开始，在位置N-1结束，其中N被定义为序列的总长度。例如，字符串Hello的总长度等于5，每个字符...
Numpy 切片和索引
2301_82147854的博客
04-01 1102
详细讲解numpy库中的切片和索引的作用
python numpy数组的索引和切片的操作方法
12-24
NumPy – 简介 NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象...使用NumPy，开发人员可以执行以下操作： •数组的算数和逻辑运算。 •傅立叶变换和用于图形操作的例程。 •与线性代数
Python NumPy（4）：切片和索引
游王子og的博客
01-27 866
ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。以上实例中，我们首先通过 arange() 函数创建 ndarray 对象。然后，分别设置起始，终止和步长的参数为 2，7 和 2。我们也可以通过冒号分隔切片参数冒号 : 的解释：如果只放置一个参数，如。
Numpy_02 索引和切片
Mrzhang
09-20 607
github博客传送门 博客园传送门 一维数组 arr = np.arange(10) # 创建一个 0-9的数组 print (arr) print (arr[5]) #arr的第6个元素 print (arr[5:8]) # arr的第6-8个元素，[5:8]左闭右开 arr[5:8] = 12 # 对数组的切片的改变 会直接使原数组的值进行改变 print (arr) arr_sli...
Python中numpy数组切片
南桥几经秋
07-23 1万+
1、基本概念 Python中符合切片并且常用的有：列表，字符串，元组。 下面那列表来说明，其他的也是一样的。 格式：[开头：结束：步长] 开头：当步长>0时，不写默认0。当步长<0时，不写默认-1 结束：当步长>0时，不写默认列表长度加一。当步长<0时，不写默认负的列表长度减一 步长：默认1，>0 是从左往右走，<0是从右往左走 遵循左闭右开原则，如：[0:9]等价于数学中的[0,9) # 字符串中用法 str = 'python' print(str[::]) #
Python --- 切片详解 （正负索引、索引越界、返回浅复制）（ 底层解析）
demo_yo的博客
10-15 1万+
lst = list(range(5)) print(lst) for i, j in enumerate(lst): lst_1 = lst[:i:-1] print(i, lst_1) start_index：表示是起始元素对象，正索引位置默认为0；负索引位置默认为 -len(consequence) end_index：表示是末端元素对象，正索引位置默认为 len(consequence)－1；负索引位置默认为 -1。 正式句法规则并没有在序列中设置负标号的特殊保留条款；.
Python中numpy数组切片：print(a[0::2])、[::-1]、[::2]、[:,2]、[1:,-1:]、[ : ,: -1]，[:,-2:]、[ : n]、[m : ]等含义（详细）
热门推荐
锵锵锵锵蒋的博客
09-21 19万+
numpy 一维、二维数组切片操作，附详细示例。数组切片用到的负数值怎么理解附了很多例子！a[:-1],a[::-1],a[-2:-1]，a[-2::-1]、X[ : , :-1]，X[ : ,-1: ]，x[:,-2:]，x[:,-2:-1]可以自己试一试就懂了。
Numpy 数组切片
岳来的博客
12-30 1万+
Numpy 数组切片
NumPy数组切片
Humbunklung的专栏
05-25 874
`NumPy` 的 **​​切片（Slicing）​** ​操作允许高效地访问和操作数组的子集，其语法与 `Python` 列表类似但更强大，支持​ **​多维切片​** ​和​ **​视图机制**​​（非副本）。以下是核心用法详解
python中对切片的理解
坚果的博客
02-26 631
字符串还支持 切片。索引可以提取单个字符，切片 则提取子字符串： >>> >>> word[0:2] # characters from position 0 (included) to 2 (excluded) 'Py' >>> word[2:5] # characters from position 2 (included) to 5 (excluded) 'tho' 注意，输出结果包含切片开始，但不包含切片结束。因此，s[:i] + s[i:
python中的numpy数组切片
明德zhuang
03-27 911
示例 import numpy as np X = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]]) print(X[0,2]) print(X[1:3,1:3]) print(X[:2,:2]) print(X[:,0]) print(X[...,0:3])
Python中的索引和切片
a1137588003的博客
09-19 1042
在Python中，像字符串或列表这样的有序序列的元素可以通过它们的索引单独访问。这可以通过提供从序列中提取的元素的数字索引来实现。另外，Python支持切片，这是一个特性，可以提取原始sequence对象的子集。在本文中，将探讨索引和切片是如何工作的，以及如何使用它们来编写更干净、更具python风格的代码。
Numpy索引和切片
m0_52854529的博客
10-18 1625
特性Python 列表NumPy 数组返回结果返回新列表返回原数组的视图，数据共享多维切片只支持一维切片支持多维数组的切片操作步长支持正步长和负步长支持正负步长，且可以对每一维度使用不同步长高级索引（布尔、整数索引）不支持支持布尔索在 NumPy 中，整数索引（也称为整型数组索引）是一种强大的功能，允许你通过一个或多个整数数组来访问或修改数组中的特定元素。通过整数索引，你可以根据数组中的位置快速提取所需的数据。
评论
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值