NumPy 数组索引
访问数组元素
数组索引等同于访问数组元素。
您可以通过引用其索引号来访问数组元素。
NumPy 数组中的索引以 0 开头，这意味着第一个元素的索引为 0，第二个元素的索引为 1，以此类推。
实例
从以下数组中获取第一个元素：
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr[0])
实例
从以下数组中获取第二个元素：
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr[1])
实例
访问第二维中的第五个元素：
import numpy as np arr = np.array([[1,2,3,4,5], [6,7,8,9,10]]) print('5th element on 2nd dim: ', arr[1, 4])
访问 3-D 数组
要访问 3-D 数组中的元素，我们可以使用逗号分隔的整数来表示元素的维数和索引。
实例
访问第一个数组的第二个数组的第三个元素：
import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) print(arr[0, 1, 2])
例子解释
arr[0, 1, 2] 打印值 6。
工作原理：
第一个数字代表第一个维度，其中包含两个数组：
[[1, 2, 3], [4, 5, 6]]
然后：
[[7, 8, 9], [10, 11, 12]]
由于我们选择了 0，所以剩下第一个数组：
[[1, 2, 3], [4, 5, 6]]
第二个数字代表第二维，它也包含两个数组：
[1, 2, 3]
然后：
[4, 5, 6]
因为我们选择了 1，所以剩下第二个数组：
[4, 5, 6]
第三个数字代表第三维，其中包含三个值：
4
5
6
由于我们选择了 2，因此最终得到第三个值：
6
负索引
使用负索引从尾开始访问数组。
实例
打印第二个维中的的最后一个元素：
import numpy as np arr = np.array([[1,2,3,4,5], [6,7,8,9,10]]) print('Last element from 2nd dim: ', arr[1, -1])
NumPy 数组裁切
裁切数组
python 中裁切的意思是将元素从一个给定的索引带到另一个给定的索引。
我们像这样传递切片而不是索引：[start：end]。
我们还可以定义步长，如下所示：[start：end：step]。
如果我们不传递 start，则将其视为 0。
如果我们不传递 end，则视为该维度内数组的长度。
如果我们不传递 step，则视为 1。
实例
从下面的数组中裁切索引 1 到索引 5 的元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[1:5])
注释：结果包括了开始索引，但不包括结束索引。
实例
裁切数组中索引 4 到结尾的元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[4:])
实例
裁切从开头到索引 4（不包括）的元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[:4])
负裁切
使用减号运算符从末尾开始引用索引：
实例
从末尾开始的索引 3 到末尾开始的索引 1，对数组进行裁切：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[-3:-1])
STEP
请使用 step 值确定裁切的步长：
实例
从索引 1 到索引 5，返回相隔的元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[1:5:2])
实例
返回数组中相隔的元素：
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[::2])
裁切 2-D 数组
实例
从第二个元素开始，对从索引 1 到索引 4（不包括）的元素进行切片：
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[1, 1:4])
注释：请记得第二个元素的索引为 1。
实例
从两个元素中返回索引 2：
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[0:2, 2])
实例
从两个元素裁切索引 1 到索引 4（不包括），这将返回一个 2-D 数组：
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[0:2, 1:4])
NumPy 数据类型
Python 中的数据类型
默认情况下，Python 拥有以下数据类型：
strings - 用于表示文本数据，文本用引号引起来。例如 “ABCD”。
integer - 用于表示整数。例如 -1, -2, -3。
float - 用于表示实数。例如 1.2, 42.42。
boolean - 用于表示 True 或 False。
complex - 用于表示复平面中的数字。例如 1.0 + 2.0j，1.5 + 2.5j。
NumPy 中的数据类型
NumPy 有一些额外的数据类型，并通过一个字符引用数据类型，例如 i 代表整数，u 代表无符号整数等。
以下是 NumPy 中所有数据类型的列表以及用于表示它们的字符。
i - 整数
b - 布尔
u - 无符号整数
f - 浮点
c - 复合浮点数
m - timedelta
M - datetime
O - 对象
S - 字符串
U - unicode 字符串
V - 固定的其他类型的内存块 ( void )
检查数组的数据类型
NumPy 数组对象有一个名为 dtype 的属性，该属性返回数组的数据类型：
实例
获取数组对象的数据类型：
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.dtype)
实例
获取包含字符串的数组的数据类型：
import numpy as np arr = np.array(['apple', 'banana', 'cherry']) print(arr.dtype)
用已定义的数据类型创建数组
我们使用 array() 函数来创建数组，该函数可以使用可选参数：dtype，它允许我们定义数组元素的预期数据类型：
实例
用数据类型字符串创建数组：
import numpy as np arr = np.array([1, 2, 3, 4], dtype='S') print(arr) print(arr.dtype)
对于 i、u、f、S 和 U，我们也可以定义大小。
实例
创建数据类型为 4 字节整数的数组：
import numpy as np arr = np.array([1, 2, 3, 4], dtype='i4') print(arr) print(arr.dtype)
假如值无法转换会怎样？
如果给出了不能强制转换元素的类型，则 NumPy 将引发 ValueError。
ValueError：在 Python 中，如果传递给函数的参数的类型是非预期或错误的，则会引发 ValueError。
实例
无法将非整数字符串（比如 ‘a’）转换为整数（将引发错误）：
import numpy as np arr = np.array(['a', '2', '3'], dtype='i')
转换已有数组的数据类型
更改现有数组的数据类型的最佳方法，是使用 astype() 方法复制该数组。
astype() 函数创建数组的副本，并允许您将数据类型指定为参数。
数据类型可以使用字符串指定，例如 ‘f’ 表示浮点数，‘i’ 表示整数等。或者您也可以直接使用数据类型，例如 float 表示浮点数，int 表示整数。
实例
通过使用 ‘i’ 作为参数值，将数据类型从浮点数更改为整数：
import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype('i') print(newarr) print(newarr.dtype)
实例
通过使用 int 作为参数值，将数据类型从浮点数更改为整数：
import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype(int) print(newarr) print(newarr.dtype)
实例
将数据类型从整数更改为布尔值：
import numpy as np arr = np.array([1, 0, 3]) newarr = arr.astype(bool) print(newarr) print(newarr.dtype)
