NumPy 是 Python 中用于科學計算的強大庫。它提供了強大的多維數組對象，可以輕松地存儲和處理大量數據。

NumPy數組概述

NumPy 數組是一個固定長度、同種數據類型的數據集合。它可以用以下方式創建：

import numpy as np從列表創建數組
my_Array = np.array([1, 2, 3, 4, 5])從范圍創建數組
my_array = np.arange(10)從單個值創建數組
my_array = np.full((3, 3), 5)

訪問數組元素

可以通過索引訪問 NumPy 數組中的元素。索引可以是整數、切片或布爾掩碼：

 獲取第一個元素
my_array[0]獲取最后三個元素
my_array[-3:]獲取所有奇數索引的元素
my_array[1::2]獲取特定元素
my_array[1, 2]

布爾索引

布爾索引使用布爾數組作為索引。它返回滿足條件的元素：

 獲取大于 3 的元素
my_array[my_array > 3]

修改數組元素

與訪問數組元素類似，也可以修改數組元素：

 修改第一個元素
my_array[0] = 10修改所有奇數索引的元素
my_array[1::2] = 100修改特定元素
my_array[1,2] = 200

高級索引

NumPy 提供了高級索引技術，可以方便地處理復雜的多維數據：

Fancy Indexing

Fancy 索引使用數組或列表索引數組元素。它返回滿足條件的元素的數組：

 獲取特定列
my_array[[0, 2, 4]]獲取特定行和列
my_array[[0, 2], [0, 2]]

廣播

廣播允許在不同大小的數組上執行操作。較小的數組會自動復制到較大的數組中：

 相加兩個不同大小的數組
my_array + np.array([10, 20, 30])

總結

訪問和修改 NumPy 數組數據是數據科學和機器學習中的一項基本技能。通過理解索引和高級索引技術，你可以有效地處理多維數據，充分利用 NumPy 的強大功能。

---

---

相關標簽： Computation、 Introduction、 Numerical、 NumPy、 Python、 to、 An、 for、 Science、 in、 Learning、 andMachine、 Data、 numpy訪問數組數據、

上一篇：OptimizingNumPyCodeforSpeedandEfficiency

下一篇：MasteringNumPyArraysFundamentalsManipula