Day23：Numpy数组操作

在上一节中，我们介绍了数据分析的常用工具库，其中在数据分析和科学计算中，Numpy是一个常用的库，提供了高效的多维数组对象和各种数组操作函数。本节将详细介绍Numpy数组的创建、属性、赋值、切片索引以及其他处理数组的常用函数。

1. Numpy数组的创建

Numpy数组可以由列表或者元组而来，也可自行创建合适的数组。

• 使用numpy.array()函数可以将列表或元组转换为Numpy数组：

import numpy as np

# 从列表创建Numpy数组
list_data = [1, 2, 3, 4, 5]
np_array = np.array(list_data)
print(np_array)

# 从元组创建Numpy数组
tuple_data = (1, 2, 3, 4, 5)
np_array = np.array(tuple_data)
print(np_array)

• 使用numpy.zeros()函数可以创建一个全零数组：

zeros_array = np.zeros((3, 4))
print(zeros_array)

• 使用numpy.ones()函数可以创建一个全一数组：

ones_array = np.ones((2, 3))
print(ones_array)

• 使用numpy.arange()函数可以创建一个指定范围的等差数组：

range_array = np.arange(0, 10, 2)
print(range_array)

2. Numpy数组的属性

• 使用ndarray.shape属性可以获取数组的维度：

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

• 使用ndarray.dtype属性可以获取数组元素的数据类型：

array = np.array([1, 2, 3])
print(array.dtype)  # 输出：int64

• 使用ndarray.ndim属性可以获取数组的维数：

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

• 使用ndarray.size属性可以获取数组的总元素个数：

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

3. Numpy数组的赋值和