Python数组索引、切片与形状操作教程

简介

在Python中，数组是一种重要的数据结构，尤其在数据科学和机器学习中，NumPy库提供了高效的数组操作。学习数组索引、切片和形状操作是掌握Python数据处理的基础。本教程适合新手，通过简单示例帮助您快速上手。

数组索引

索引用于访问数组中的单个元素。Python数组索引从0开始，即第一个元素的索引为0。

正向索引

正向索引从数组开头开始计数。例如，在数组arr = [10, 20, 30, 40, 50]中：

• arr[0] 访问第一个元素：10
• arr[2] 访问第三个元素：30

负向索引

负向索引从数组末尾开始计数，-1表示最后一个元素。例如：

• arr[-1] 访问最后一个元素：50
• arr[-3] 访问倒数第三个元素：30

切片操作

切片允许访问数组的一个子集，语法为 arr[start:stop:step]，其中：

• start：起始索引（包含），默认为0
• stop：结束索引（不包含），默认为数组长度
• step：步长，默认为1

示例

使用Python列表（类似数组）演示：

arr = [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]

# 切片基本示例
print(arr[2:5])    # 输出: [2, 3, 4]（从索引2到5-1）
print(arr[:4])     # 输出: [0, 1, 2, 3]（从开头到索引4-1）
print(arr[6:])     # 输出: [6, 7, 8, 9]（从索引6到结尾）

# 使用步长
print(arr[::2])    # 输出: [0, 2, 4, 6, 8]（每两步取一个元素）
print(arr[1::3])   # 输出: [1, 4, 7]（从索引1开始，每三步）

切片也适用于NumPy数组，操作类似。

形状操作

在NumPy中，数组形状（shape）是指数组的维度大小。形状操作是调整数组维度的关键，常用于数据处理。

形状概念

使用NumPy数组作为示例：

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6]])  # 2x3二维数组
print(arr.shape)  # 输出: (2, 3) 表示2行3列

重塑数组

重塑（reshape）改变数组的形状而不改变数据。使用reshape()方法。

arr = np.array([1, 2, 3, 4, 5, 6])
reshaped_arr = arr.reshape(2, 3)  # 重塑为2x3数组
print(reshaped_arr)
# 输出:
# [[1 2 3]
#  [4 5 6]]

重塑时，新形状的总元素数必须与原数组相同（例如，这里6个元素）。

展平数组

展平（flatten）将多维数组转换为一维数组。

• flatten()：返回一个新数组的展平副本。
• ravel()：返回数组的展平视图（可能修改原数组）。

arr = np.array([[1, 2, 3], [4, 5, 6]])
flat_arr = arr.flatten()  # 或 arr.ravel()
print(flat_arr)  # 输出: [1 2 3 4 5 6]

综合示例

结合索引、切片和形状操作，处理NumPy数组。

import numpy as np

# 创建一个3x3数组
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])

# 索引访问
print(arr[1, 2])  # 输出: 6（第二行第三列）

# 切片获取子数组
print(arr[:2, 1:])  # 输出前两行、后两列
# 输出:
# [[2 3]
#  [5 6]]

# 重塑数组
reshaped = arr.reshape(1, 9)  # 重塑为1x9数组
print(reshaped)  # 输出: [[1 2 3 4 5 6 7 8 9]]

# 展平数组
flat = arr.flatten()
print(flat)  # 输出: [1 2 3 4 5 6 7 8 9]

总结

• 数组索引：使用索引访问单个元素，从0开始，支持负向索引。
• 切片操作：使用start:stop:step语法访问子数组，灵活高效。
• 形状操作：在NumPy中，形状操作如重塑和展平，帮助调整数组维度，适应数据处理需求。

掌握这些基础操作后，您能更好地处理数组数据，为进一步学习数据分析或机器学习打下基础。实践是学习的关键，建议多尝试代码示例以加深理解。