準備工作：

增、刪、改、查的方法有很多很多種，這里只展示出常用的幾種。

>>> import numpy as np >>> a = np.array([[1,2],[3,4],[5,6]])#創建3行2列二維數組。 >>> a array([[1, 2],  [3, 4],  [5, 6]]) >>> a = np.zeros(6)#創建長度為6的，元素都是0一維數組 >>> a = np.zeros((2,3))#創建3行2列，元素都是0的二維數組 >>> a = np.ones((2,3))#創建3行2列，元素都是1的二維數組 >>> a = np.empty((2,3)) #創建3行2列,未初始化的二維數組 >>> a = np.arange(6)#創建長度為6的，元素都是0一維數組array([0, 1, 2, 3, 4, 5]) >>> a = np.arange(1,7,1)#結果與np.arange(6)一樣。第一，二個參數意思是數值從1〜6,不包括7.第三個參數表步長為1. a = np.linspace(0,10,7) # 生成首位是0，末位是10，含7個數的等差數列[ 0.  1.66666667 3.33333333 5.  6.66666667 8.33333333 10. ] a = np.logspace(0,4,5)#用于生成首位是10**0，末位是10**4，含5個數的等比數列。[ 1.00000000e+00 1.00000000e+01 1.00000000e+02 1.00000000e+03 1.00000000e+04] 

增

>>> a = np.array([[1,2],[3,4],[5,6]])>>> b = np.array([[10,20],[30,40],[50,60]])>>> np.vstack((a,b))array([[ 1, 2], [ 3, 4], [ 5, 6], [10, 20], [30, 40], [50, 60]])>>> np.hstack((a,b))array([[ 1, 2, 10, 20], [ 3, 4, 30, 40], [ 5, 6, 50, 60]])

不同維數的數組直接相加顯然是不允許的。但是可以用一個n行列向量和一個m列行向量構造出一個n×m矩陣

>>> a = np.array([[1],[2]]) >>> a array([[1],  [2]]) >>> b=([[10,20,30]])#生成一個list，注意，不是np.array。 >>> b [[10, 20, 30]] >>> a+b array([[11, 21, 31],  [12, 22, 32]]) >>> c = np.array([10,20,30]) >>> c array([10, 20, 30]) >>> c.shape (3,) >>> a+c array([[11, 21, 31],  [12, 22, 32]]) 

查

>>> aarray([[1, 2], [3, 4], [5, 6]])>>> a[0] # array([1, 2])>>> a[0][1]#2>>> a[0,1]#2>>> b = np.arange(6)#array([0, 1, 2, 3, 4, 5])>>> b[1:3]#右邊開區間array([1, 2])>>> b[:3]#左邊默認為 0array([0, 1, 2])>>> b[3:]#右邊默認為元素個數array([3, 4, 5])>>> b[0:4:2]#下標遞增2array([0, 2])

NumPy的where函數使用

np.where(condition, x, y)，第一個參數為一個布爾數組，第二個參數和第三個參數可以是標量也可以是數組。

cond = numpy.array([True,False,True,False]) a = numpy.where(cond,-2,2)# [-2 2 -2 2] cond = numpy.array([1,2,3,4]) a = numpy.where(cond>2,-2,2)# [ 2 2 -2 -2] b1 = numpy.array([-1,-2,-3,-4]) b2 = numpy.array([1,2,3,4]) a = numpy.where(cond>2,b1,b2) # 長度須匹配# [1,2,-3,-4] 

改