要列出的 ndarray - Python

在 Python 中，ndarray 是 NumPy 库中最重要的数据结构之一。它是一个多维数组对象，用于存储和操作大量数值数据。ndarray 可以是一维、二维、三维或更高维的数组。

以下是关于 ndarray 的一些重要信息和常用操作。

创建 ndarray

首先，我们需要导入 NumPy 库:

import numpy as np

然后，可以使用 np.array() 函数来创建 ndarray。以下是几个常见的创建方式:

1. 从 Python 列表创建:

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

2. 使用内置函数创建特殊的 ndarray 数组:

# 创建一个全为零的一维数组
zeros_arr = np.zeros(5)

# 创建一个全为1的二维数组
ones_arr = np.ones((3, 4))

# 创建一个随机值的三维数组
random_arr = np.random.random((2, 2, 2))

3. 通过指定范围和步长创建 ndarray:

# 创建一个从 0 到 10（不包括10），步长为2的一维数组
range_arr = np.arange(0, 10, 2)

# 创建一个在指定范围内的等间距的一维数组
linspace_arr = np.linspace(0, 1, 11)

访问和操作 ndarray

ndarray 对象提供了许多方法和属性来访问和操作数据:

• 使用索引访问数组元素:

arr = np.array([1, 2, 3, 4, 5])
print(arr[0])  # 输出第一个元素
print(arr[-1])  # 输出最后一个元素

• 使用切片访问数组的子集:

arr = np.array([1, 2, 3, 4, 5])
print(arr[1:4])  # 输出索引从1到3的元素

• 使用运算符进行数学运算:

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
sum_arr = arr1 + arr2  # 数组相加
mul_arr = arr1 * arr2  # 数组相乘

• 使用函数进行统计和计算:

arr = np.array([1, 2, 3, 4, 5])
mean_value = np.mean(arr)  # 计算平均值
max_value = np.max(arr)  # 查找最大值

修改 ndarray

ndarray 对象是可变的，可以通过索引和切片来修改其中的值:

arr = np.array([1, 2, 3, 4, 5])
arr[0] = 10  # 修改第一个元素的值
arr[1:3] = [20, 30]  # 修改索引从1到2的元素为20和30

数组形状和维度操作

ndarray 对象提供了许多用于操作数组形状和维度的函数和方法:

• 获取数组形状:

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

• 改变数组形状:

arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape(2, 3)  # 重塑为2行3列的二维数组

• 扁平化数组:

arr = np.array([[1, 2, 3], [4, 5, 6]])
flat_arr = arr.flatten()  # 扁平化为一维数组

• 转置数组:

arr = np.array([[1, 2, 3], [4, 5, 6]])
transposed_arr = arr.T  # 转置数组

以上只是 ndarray 的一部分功能介绍，NumPy 库提供了更多的函数和方法来操作和处理 ndarray。详细的文档可以在 NumPy 官方文档 中查找。

希望本文对于你了解和使用 ndarray 有所帮助，欢迎探索更多有关 ndarray 的知识！