NumPy 是 Python 中用于科学计算的核心库之一，它提供了一个强大的数组对象（ndarray），可以进行高效的数组操作和运算。在 NumPy 中，数组的创建方法多种多样，并且可以通过不同的索引访问数组中的元素。让我们来详细了解一下。
ndarray
import numpy as np # 从 Python 列表创建数组 arr1 = np.array([1, 2, 3, 4, 5])
# 创建全零数组 arr2 = np.zeros((3, 3)) # 创建全一数组 arr3 = np.ones((2, 2)) # 创建单位矩阵 arr4 = np.eye(3) # 创建等间隔的数组 arr5 = np.arange(0, 10, 2) # 创建随机数组 arr6 = np.random.rand(2, 2)
# 从现有数据创建数组 arr7 = np.copy(arr1)
# 访问单个元素 print(arr1[0]) # 输出：1
# 切片访问 print(arr1[1:3]) # 输出：[2 3]
# 多维数组索引 arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) print(arr2d[1, 1]) # 输出：5
# 使用布尔数组索引 bool_arr = np.array([True, False, True, False, True]) print(arr1[bool_arr]) # 输出：[1 3 5]
# 使用整数数组索引 indices = np.array([0, 2, 4]) print(arr1[indices]) # 输出：[1 3 5]
NumPy 提供了多种创建数组的方法，包括从 Python 列表创建、使用 NumPy 提供的函数创建以及从现有数据创建。同时，你可以使用不同的索引方式来访问数组中的元素，包括单个元素访问、切片访问、多维数组索引、布尔数组索引和整数数组索引。这些功能使得 NumPy 成为进行科学计算和数据处理的强大工具。
原文链接：codingdict.net
