数据分析师-编程语言与工具-NumPy_数组操作：索引切片与重塑.docxVIP

PAGE1

PAGE1

NumPy基础介绍

1NumPy库的安装与导入

在Python环境中，NumPy是一个用于处理大型多维数组和矩阵的库，同时提供了大量的数学函数来操作这些数组。要开始使用NumPy，首先需要确保它已经安装在你的Python环境中。如果尚未安装，可以通过以下命令进行安装：

pipinstallnumpy

一旦安装完成，可以通过以下方式导入NumPy库：

importnumpyasnp

这里我们通常使用np作为NumPy的别名，以便在代码中更方便地引用。

2NumPy数组的创建与基本属性

2.1创建NumPy数组

NumPy数组可以通过多种方式创建，包括从列表、元组或嵌套列表转换，或者使用NumPy提供的函数如np.array()、np.zeros()、np.ones()、np.arange()等。

2.1.1从列表创建数组

#从列表创建一维数组

arr1=np.array([1,2,3,4,5])

print(arr1)

#从嵌套列表创建二维数组

arr2=np.array([[1,2,3],[4,5,6]])

print(arr2)

2.1.2使用NumPy函数创建数组

#创建全零数组

zeros_arr=np.zeros((3,4))

print(zeros_arr)

#创建全一数组

ones_arr=np.ones((2,3))

print(ones_arr)

#创建等差数列数组

arange_arr=np.arange(1,10,2)

print(arange_arr)

2.2NumPy数组的基本属性

NumPy数组具有多个基本属性，包括shape、size、dtype等，这些属性可以帮助我们了解数组的结构和数据类型。

2.2.1shape属性

shape属性返回数组的维度大小，对于二维数组，它将返回一个包含行数和列数的元组。

#创建一个二维数组

arr=np.array([[1,2,3],[4,5,6]])

print(数组的shape属性：,arr.shape)

2.2.2size属性

size属性返回数组中元素的总数。

#创建一个一维数组

arr=np.array([1,2,3,4,5])

print(数组的size属性：,arr.size)

2.2.3dtype属性

dtype属性返回数组中元素的数据类型。

#创建一个包含整数的数组

arr=np.array([1,2,3,4,5])

print(数组的dtype属性：,arr.dtype)

#创建一个包含浮点数的数组

arr=np.array([1.0,2.0,3.0,4.0,5.0])

print(数组的dtype属性：,arr.dtype)

2.3示例：创建并展示数组属性

#创建一个二维数组

arr=np.array([[1,2,3],[4,5,6]])

#展示数组的shape、size和dtype属性

print(数组的shape属性：,arr.shape)

print(数组的size属性：,arr.size)

print(数组的dtype属性：,arr.dtype)

通过上述代码，我们可以创建一个二维数组，并展示其shape、size和dtype属性，这有助于我们更好地理解和操作数组。

以上内容详细介绍了NumPy库的安装与导入，以及如何创建NumPy数组和理解其基本属性。这些是使用NumPy进行数组操作的基础，掌握这些知识将为后续学习索引切片与重塑等高级操作奠定坚实的基础。#数组索引与切片

3维数组的索引与切片

在NumPy中，数组的索引和切片操作与Python的列表非常相似，但功能更加强大。对于一维数组，索引和切片可以用来访问和修改数组中的元素。

3.1索引

索引用于访问数组中的单个元素。在NumPy中，索引从0开始。

importnumpyasnp

#创建一个一维数组

arr=np.array([1,2,3,4,5])

#访问数组中的第一个元素

print(arr[0])#输出:1

#访问数组中的最后一个元素

print(arr[-1])#输出:5

3.2切片

切片用于访问数组中的一段连续元素。切片操作使用[start:stop:step]的格式。

#访问数组中的前三个元素

print(arr[:3])#输出:array([1,2,3])

#访问数组中的第2到第4个元素

print(arr[1:4])#输出:array([2,3,4])

#使