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
|
9天前
|
JSON 数据可视化 API
Python 中调用 DeepSeek-R1 API的方法介绍,图文教程
本教程详细介绍了如何使用 Python 调用 DeepSeek 的 R1 大模型 API,适合编程新手。首先登录 DeepSeek 控制台获取 API Key,安装 Python 和 requests 库后,编写基础调用代码并运行。文末包含常见问题解答和更简单的可视化调用方法,建议收藏备用。 原文链接:[如何使用 Python 调用 DeepSeek-R1 API?](https://apifox.com/apiskills/how-to-call-the-deepseek-r1-api-using-python/)
|
20天前
|
IDE 测试技术 项目管理
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
PyCharm是由JetBrains开发的Python集成开发环境(IDE),专为Python开发者设计,支持Web开发、调试、语法高亮、项目管理、代码跳转、智能提示、自动完成、单元测试和版本控制等功能。它有专业版、教育版和社区版三个版本,其中社区版免费且适合个人和小型团队使用,包含基本的Python开发功能。安装PyCharm前需先安装Python解释器,并配置环境变量。通过简单的步骤即可在PyCharm中创建并运行Python项目,如输出“Hello World”。
189 13
【新手必看】PyCharm2025 免费下载安装配置教程+Python环境搭建、图文并茂全副武装学起来才嗖嗖的快,绝对最详细!
|
2月前
|
数据可视化 DataX Python
Seaborn 教程-绘图函数
Seaborn 教程-绘图函数
85 8
|
2月前
Seaborn 教程-主题(Theme)
Seaborn 教程-主题(Theme)
151 7
|
2月前
|
Python
Seaborn 教程-模板(Context)
Seaborn 教程-模板(Context)
56 4
|
2月前
|
数据可视化 Python
Seaborn 教程
Seaborn 教程
63 5
|
2月前
|
敏捷开发 测试技术 持续交付
自动化测试之美:从零开始搭建你的Python测试框架
在软件开发的马拉松赛道上,自动化测试是那个能让你保持节奏、避免跌宕起伏的神奇小助手。本文将带你走进自动化测试的世界,用Python这把钥匙,解锁高效、可靠的测试框架之门。你将学会如何步步为营,构建属于自己的测试庇护所,让代码质量成为晨跑时清新的空气,而不是雾霾中的忧虑。让我们一起摆脱手动测试的繁琐枷锁,拥抱自动化带来的自由吧!
|
3月前
|
Python
SciPy 教程 之 Scipy 显著性检验 9
SciPy 教程之 Scipy 显著性检验第9部分,介绍了显著性检验的基本概念、作用及原理,通过样本信息判断假设是否成立。着重讲解了使用scipy.stats模块进行显著性检验的方法,包括正态性检验中的偏度和峰度计算,以及如何利用normaltest()函数评估数据是否符合正态分布。示例代码展示了如何计算一组随机数的偏度和峰度。
44 1
|
存储 JSON 数据格式
Python科学计算结果的存储与读取
Python科学计算结果的存储与读取 Python科学计算结果的存储与读取 总结于2019年3月17日  荆楚理工学院计算机工程学院 一、前言 显然,作为一名工科僧,执行科学计算,着用Python,快忘记Matlab吧。
1667 0
|
2月前
|
人工智能 数据可视化 数据挖掘
探索Python编程:从基础到高级
在这篇文章中,我们将一起深入探索Python编程的世界。无论你是初学者还是有经验的程序员,都可以从中获得新的知识和技能。我们将从Python的基础语法开始,然后逐步过渡到更复杂的主题,如面向对象编程、异常处理和模块使用。最后,我们将通过一些实际的代码示例,来展示如何应用这些知识解决实际问题。让我们一起开启Python编程的旅程吧!

热门文章

最新文章