马上注册，结交更多好友，享用更多功能^_^
您需要 登录 才可以下载或查看，没有账号？立即注册
x
本帖最后由 不二如是 于 2020-2-10 16:07 编辑
上一讲我们见识到了 Numpy 的高效，从现在开始正式用它来搞事情。
上面这样图非常方便我们理解多维，说白了就是嵌套～
不要从”时间，空间“的纬度硬套概念。
一维：
第 1 个值的初始索引为 a[0]，以此类推。
二维：
第 1 个值的初始索引为 a[0][0]，以此类推。
三维：
a=[[[1,2],[3,4]],[[5,6],[7,8]]]
接下来我们创建一个二维的 Numpy 数组：
arr = np.array([[1,2,3],[4,5,6]])
arr
查看数组
如果我们不知道一个数组的维度，就可以通过 ndim 方法：
输出结果：
如果想知道数组形状呢？
可以使用 shape 方法：
效果：
意味着有 2 行，3 列。
shape 除了显示行列，还可以改变行列。
例如将上面 2 行 3 列，改为 3 行 2 列：
输出：
除了改变形状，还可以使用 reshape 来降维度：
输出：
虽然变成一维数组，但是不会真的改变 arr 。所以需要新建 arr1 来保存：
记住：
我们来看看 arr1 的形状：
只有 (6,) 。
取数据
几种常用的方式：
print(arr[0])
print(arr[0,1])
print(arr[:,1])
别忘了上面我们已将 arr 转为：
array([[1, 2],
[3, 4],
[5, 6]])
arr[0,1]，取出第一行，第二列的值。
arr[:,1]，取出第一列的值。
：就是包括所有的意思，写在行就是所有行，写在列就是所有列。
下一讲我们来看看 Numpy 中的数据类型。
代码包（可不下）：
03array.zip
(297 Bytes, 下载次数: 1, 售价: 3 鱼币)
如果有收获，别忘了评分 ：
如果想看更多，请订阅 淘专辑（ 传送门）（ 不喜欢更要订阅 ） | 
( 粤ICP备18085999号-1 | 粤公网安备 44051102000585号)
狗仔卡
发表于 2020-2-10 13:06:53
置顶卡
千斤顶
显身卡
发表于 2020-2-10 13:07:04
发表于 2020-2-10 13:12:10