numpy库数组对象索引与切片实验心得
1 Numpy库数组对象索引与切片实验心得
numpy库不具有的功能有Numpy库是一种用来运算数组以及矩阵的必备库。熟练掌握numpy库数组对象的索引与切片操作是非常有用的，我在这次实验中也有许多收获。
1.1 Numpy数组索引
numpy的数组索引由两个部分组成：我们可以使用索引值[row_index, col_index]来访问某个元素，也可以使用切片[start_index : stop_index]来获取某个范围的元素。
索引值的使用比较简单直接，我们可以使用索引值去获取特定的元素。用法为：array[row_index, col_index]。但是需要注意的是，使用索引值只能获取单个元素，不能获取一系列的元素。
1.2  Numpy数组切片
用切片可以获取一系列的元素，用法为 array[start_index : stop_index]。其中start_index表示
切片的开始位置的索引值， stop_index表示结束位置的索引值，start_index和stop_index都可以省略，代表整个数组。此外， 可以通过以及设置步长来筛选切片中的元素，格式为array[start_index : stop_index : step]，其中step表示步长。
切片用来获取数组元素非常方便，特别支持以及设置步长又有效改变子集，与索引值相比更加实用。
1.3 总结
本次numpy库数组对象索引与切片实验使我深刻地体会到numpy库实用且方便的特性，特别是数组的索引和切片是Numpy的核心功能，通过索引和切片，可以生成我们需要的配置，让数据更加清晰规则，更加容易处理。Numpy下性能也是很优秀，处理出来的数据结果也是最优的，在运行大量数据的时候，速度要远远优于python原生，非常值得我们学习和使用。

版权声明：本站内容均来自互联网，仅供演示用，请勿用于商业和其他非法用途。如果侵犯了您的权益请与我们联系QQ:729038198，我们将在24小时内删除。