软件测试|Python科学计算神器numpy教程(九)

简介: 软件测试|Python科学计算神器numpy教程(九)

image.png

NumPy实现数组元素的增删改查
前言
NumPy是Python中最常用的科学计算库之一,它提供了高性能的多维数组对象和各种用于操作数组的函数。在本文中,我们将探讨如何使用NumPy进行数组元素的增加、删除、修改和查询操作。这些操作是数据处理和分析中常用的操作,通过学习它们,您将能够更好地利用NumPy进行数据处理和分析。

增加元素
在NumPy中,可以通过几种方式增加数组元素:

append:向数组末尾添加元素
insert:在指定位置插入元素
concatenate:将两个数组连接起来
代码示例:

import numpy as np

使用numpy.append()函数向数组末尾添加元素

arr = np.array([1, 2, 3])
new_arr = np.append(arr, 4)
print(new_arr) # 输出:[1 2 3 4]

使用numpy.insert()函数在指定位置插入元素

arr = np.array([1, 2, 3])
new_arr = np.insert(arr, 1, 4)
print(new_arr) # 输出:[1 4 2 3]

使用numpy.concatenate()函数将两个数组连接起来

arr1 = np.array([1, 2, 3])
arr2 = np.array([4, 5, 6])
new_arr = np.concatenate((arr1, arr2))
print(new_arr) # 输出:[1 2 3 4 5 6]
删除元素
在NumPy中,可以使用numpy.delete()函数删除数组中的元素。该函数需要指定要删除的数组和要删除的索引或切片。

代码如下:

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
new_arr = np.delete(arr, 2)
print(new_arr) # 输出:[1 2 4 5]

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

print(new_arr) # 输出:[1 3 5]

输出结果如下:
[1 2 4 5]
[1 3 5]
修改元素
在NumPy中,可以通过直接赋值的方式修改数组中的元素,也可以使用numpy.put()函数将指定的值放入数组的指定位置。

import numpy as np

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

arr = np.array([1, 2, 3, 4, 5])
np.put(arr, [1, 3], [10, 20])
print(arr) # 输出:[1 10 3 20 5]
查询元素
在NumPy中,可以使用索引或切片的方式查询数组中的元素。

import numpy as np

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

arr = np.array([1, 2, 3, 4, 5])
print(arr[1:4]) # 输出:[2 3 4]
总结
通过学习本文中介绍的方法,您现在应该能够使用NumPy进行数组元素的增加、删除、修改和查询操作了。NumPy提供了丰富的函数和方法,可以帮助您更高效地处理和分析数据。掌握这些操作将为您在数据科学和机器学习领域的工作中提供便利和灵活性。希望本文对您的学习有所帮助!

相关文章
|
5月前
|
存储 Java 数据处理
(numpy)Python做数据处理必备框架!(一):认识numpy;从概念层面开始学习ndarray数组:形状、数组转置、数值范围、矩阵...
Numpy是什么? numpy是Python中科学计算的基础包。 它是一个Python库,提供多维数组对象、各种派生对象(例如掩码数组和矩阵)以及用于对数组进行快速操作的各种方法,包括数学、逻辑、形状操作、排序、选择、I/0 、离散傅里叶变换、基本线性代数、基本统计运算、随机模拟等等。 Numpy能做什么? numpy的部分功能如下: ndarray,一个具有矢量算术运算和复杂广播能力的快速且节省空间的多维数组 用于对整组数据进行快速运算的标准数学函数(无需编写循环)。 用于读写磁盘数据的工具以及用于操作内存映射文件的工具。 线性代数、随机数生成以及傅里叶变换功能。 用于集成由C、C++
498 1
|
6月前
|
人工智能 数据可视化 测试技术
Postman 性能测试教程:快速上手 API 压测
本文介绍API上线后因高频调用导致服务器告警,通过Postman与Apifox进行压力测试排查性能瓶颈。对比两款工具在批量请求、断言验证、可视化报告等方面的优劣,探讨API性能优化策略及行业未来发展方向。
Postman 性能测试教程:快速上手 API 压测
|
5月前
|
Java 数据处理 索引
(numpy)Python做数据处理必备框架!(二):ndarray切片的使用与运算;常见的ndarray函数:平方根、正余弦、自然对数、指数、幂等运算;统计函数:方差、均值、极差;比较函数...
ndarray切片 索引从0开始 索引/切片类型 描述/用法 基本索引 通过整数索引直接访问元素。 行/列切片 使用冒号:切片语法选择行或列的子集 连续切片 从起始索引到结束索引按步长切片 使用slice函数 通过slice(start,stop,strp)定义切片规则 布尔索引 通过布尔条件筛选满足条件的元素。支持逻辑运算符 &、|。
310 0
|
6月前
|
数据采集 存储 XML
Python爬虫技术:从基础到实战的完整教程
最后强调: 父母法律法规限制下进行网络抓取活动; 不得侵犯他人版权隐私利益; 同时也要注意个人安全防止泄露敏感信息.
918 19
|
5月前
|
索引 Python
Python 列表切片赋值教程:掌握 “移花接木” 式列表修改技巧
本文通过生动的“嫁接”比喻,讲解Python列表切片赋值操作。切片可修改原列表内容,实现头部、尾部或中间元素替换,支持不等长赋值,灵活实现列表结构更新。
242 1
|
7月前
|
前端开发 Java jenkins
Jmeter压力测试工具全面教程和使用技巧。
JMeter是一个能够模拟高并发请求以检查应用程序各方面性能的工具,包括但不限于前端页面、后端服务及数据库系统。熟练使用JMeter不仅能够帮助发现性能瓶颈,还能在软件开发早期就预测系统在面对真实用户压力时的表现,确保软件质量和用户体验。在上述介绍的基础上,建议读者结合官方文档和社区最佳实践,持续深入学习和应用。
1534 10
|
6月前
|
监控 测试技术 API
n8n自动化测试教程 (1):环境搭建与初识n8n
n8n是一款开源、可视化的工作流自动化工具,测试工程师可通过拖拽节点快速构建API测试流程,实现测试编排、数据管理、自动化监控与告警等功能,提升测试效率与覆盖率。
|
6月前
|
数据采集 存储 JSON
使用Python获取1688商品详情的教程
本教程介绍如何使用Python爬取1688商品详情信息,涵盖环境配置、代码编写、数据处理及合法合规注意事项,助你快速掌握商品数据抓取与保存技巧。
|
7月前
|
存储 数据采集 数据处理
Pandas与NumPy:Python数据处理的双剑合璧
Pandas与NumPy是Python数据科学的核心工具。NumPy以高效的多维数组支持数值计算,适用于大规模矩阵运算;Pandas则提供灵活的DataFrame结构,擅长处理表格型数据与缺失值。二者在性能与功能上各具优势,协同构建现代数据分析的技术基石。
602 0
|
7月前
|
机器学习/深度学习 API 异构计算
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程
JAX是Google开发的高性能数值计算库,旨在解决NumPy在现代计算需求下的局限性。它不仅兼容NumPy的API,还引入了自动微分、GPU/TPU加速和即时编译(JIT)等关键功能,显著提升了计算效率。JAX适用于机器学习、科学模拟等需要大规模计算和梯度优化的场景,为Python在高性能计算领域开辟了新路径。
717 0
JAX快速上手:从NumPy到GPU加速的Python高性能计算库入门教程

推荐镜像

更多