小编点评

```python import numpy as np # 创建一维数组arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) # 从第二个元素到第五个元素（不包括） print(arr[1:5]) # 从头到尾，每隔一个元素print(arr[::2]) # 从倒数第三个元素到倒数第一个元素 print(arr[-3:-1]) # 创建 5x5 的二维数组 arr arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 从第二行到第三行，第一列到第三列（不包括） print(arr[1:3, 0:3]) # 从第一行到第三行，每隔一列print(arr[::2, :]) # 从第一行到第三行，第二列print(arr[:, 1]) # 打印元素和数据类型 print(arr.dtype) ``` **输出：** ``` int32 [1 2 3 4 5] float64 [1. 2. 3. 4. 5.] datetime64 [2023-03-08 14:15:00+0800] ``` **总结：** * NumPy 数组是一种同类型元素的数组。 * 数据类型定义了数组中元素的存储方式和允许的操作。 * NumPy 中使用首字母大写字符来表示基本数据类型。 * 可以使用 `np.array()` 函数创建数组。 * `astype()` 方法可以转换现有数组的数据类型。 * 在评论中分享您的代码和输出可以帮助其他设备和平台的小伙伴观看往期文章。

正文

NumPy 数组切片

NumPy 数组切片用于从数组中提取子集。它类似于 Python 中的列表切片，但支持多维数组。

一维数组切片

要从一维数组中提取子集，可以使用方括号 [] 并指定切片。切片由起始索引、结束索引和可选步长组成，用冒号 : 分隔。

语法：

arr[start:end:step]

• start：起始索引（默认为 0）。
• end：结束索引（不包括）。
• step：步长（默认为 1）。

示例：

import numpy as np

# 创建一维数组
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10])

# 从第二个元素到第五个元素（不包括）
print(arr[1:5])  # 输出：array([2, 3, 4])

# 从头到尾，每隔一个元素
print(arr[::2])  # 输出：array([1, 3, 5, 7, 9])

# 从倒数第三个元素到倒数第一个元素
print(arr[-3:-1])  # 输出：array([8, 9])

二维数组切片

要从二维数组中提取子集，可以使用逗号分隔的两个索引，每个索引表示相应维度的切片。

语法：

arr[start_row:end_row, start_col:end_col:step]

• start_row：起始行索引（默认为 0）。
• end_row：结束行索引（不包括）。
• start_col：起始列索引（默认为 0）。
• end_col：结束列索引（不包括）。
• step：步长（默认为 1）。

示例：

import numpy as np

# 创建二维数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 从第二行到第三行，第一列到第三列（不包括）
print(arr[1:3, 0:3])  # 输出：array([[4, 5, 6], [7, 8, 9]])

# 从第一行到第三行，每隔一列
print(arr[::2, :])  # 输出：array([[1, 3, 5], [7, 9]])

# 从第一行到第三行，第二列
print(arr[:, 1])  # 输出：array([2, 5, 8])

练习

创建一个 5x5 的二维数组 arr，并打印以下子集：

• 第一行的所有元素
• 第二列的所有元素
• 从左上角到右下角的对角线元素
• 2x2 的子数组，从第二行第三列开始

在评论中分享您的代码和输出。

Sure, here is the requested Markdown formatted content:

NumPy 数据类型

NumPy 数组由同类型元素组成，并具有指定的数据类型。数据类型定义了数组中元素的存储方式和允许的操作。

NumPy 中的数据类型

NumPy 具有比 Python 更丰富的基本数据类型，并使用首字母大写字符来表示它们：

• i: 整数（int）
• b: 布尔值（bool）
• u: 无符号整数（unsigned int）
• f: 浮点数（float）
• c: 复数浮点数（complex float）
• m: 时间差（timedelta）
• M: 日期时间（datetime）
• O: 对象（object）
• S: 字符串（string）
• U: Unicode 字符串（unicode string）
• V: 可变长度字节（void）

检查数组的数据类型

NumPy 数组具有一个属性 dtype，用于获取数组元素的数据类型。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr.dtype)

输出：

int32

使用指定数据类型创建数组

我们可以使用 np.array() 函数并指定 dtype 参数来创建具有指定数据类型的数组。

import numpy as np

arr = np.array([1, 2, 3, 4, 5], dtype='float64')
print(arr)
print(arr.dtype)

输出：

[1. 2. 3. 4. 5.]
float64

转换数组的数据类型

我们可以使用 astype() 方法转换现有数组的数据类型。

import numpy as np

arr = np.array([1.1, 2.2, 3.3, 4.4, 5.5])
new_arr = arr.astype(int)
print(new_arr)
print(new_arr.dtype)

输出：

[1 2 3 4 5]
int32

NumPy 数据类型简表

数据类型	字符	描述
整数	i	有符号整数
布尔值	b	True 或 False
无符号整数	u	无符号整数
浮点数	f	固定长度浮点数
复数浮点数	c	复数浮点数
时间差	m	时间间隔
日期时间	M	日期和时间
对象	O	Python 对象
字符串	S	固定长度字符串
Unicode 字符串	U	可变长度 Unicode 字符串
可变长度字节	V	用于其他类型的固定内存块

练习

创建以下 NumPy 数组，并打印它们的元素和数据类型：

• 一个包含 10 个随机整数的数组。
• 一个包含 5 个布尔值的数组。
• 一个包含 7 个复杂数的数组。
• 一个包含 10 个日期时间对象的数组。

在评论中分享您的代码和输出。

最后

为了方便其他设备和平台的小伙伴观看往期文章：

微信公众号搜索：Let us Coding，关注后即可获取最新文章推送

看完如果觉得有帮助，欢迎点赞、收藏、关注