Python之numpy学习笔记(二)数组属性、切片和拼接分裂

最新推荐文章于 2024-02-02 16:57:15 发布

原创

最新推荐文章于 2024-02-02 16:57:15 发布 · 1.1k 阅读

3 ·

CC 4.0 BY-SA版权

这篇博客详细介绍了Python numpy库中的数组属性，包括大小、形状、存储大小和数据类型。接着讨论了数组索引，从一维到多维的元素获取和设置。然后阐述了数组切片，讲解了切片的语法和使用技巧，对比了索引和切片的区别。还探讨了如何通过reshape和resize函数改变数组的形状。最后，文章讲解了数组的拼接和分裂方法，如concatenate、vstack、hstack以及split函数的使用。

文章目录

1. 数组的属性

包括数组的大小，形状，存储大小和数据类型
nidm 数组维度
shape
shape
size

aa.ndim     # 维度
aa.shape    # 形状
aa.dtpye    # 类型
aa.size     # 数量
aa.itemsize # 每个元素的字节大小 
aa.nbytes   # 总字节大小

2. 数组的索引(index)

通过数据的索引可以获取和设置数组各个元素的值,数组的索引从0开始

获取一维数组的元素 [ x ]
获取二维数组的元素 [x,y]
获取数组的末尾索引 [-x ]
索引方式修改元素值 [x,y] = a

In[1]: import numpy as np
# 生成一维数组
In[1]: a= np.array([1,2,3,4,5])
       array([1, 2, 3, 4, 5])
#  抽取一维数组的单个元素     
In[2]: a[0]
out[2]: 1

# 抽取一维数组的最后一个元素
In[2]: a[-1]
out[2]: 5

# 更改数组的元素值
[In]: a[0]=0
[In]: a  # 可以看出，array是一个可变的类型
[out]: array([0, 2, 3, 4, 5])

 # 生成三维数组
In[3] b = np.random.randint(10,size= (2,2,2))
array([[[7, 3],
        [3, 6]],
       [[8, 5],
        [8, 3]]])

In[3]: b[0]    # 抽取三维数组中的第1行数据
Out[3]:array([[7, 3],[3, 6]])

In[3]: b[0,0]  # 抽取三维数组中的第一行第一列数据
Out[3]:array([7, 3])

In[4]: b[0,0,0]  # 抽取三维数组中的单个元素
Out