前期準備及前情回顧

#對于一維向量用np.arange生成以元組形式輸出從0開始的數組([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

#對于二維向量(及多維向量),用np.arange生成以元組形式輸出從0開始到20結束的數組，用np.reshape(4, 5)函數把一維向量轉換為4行5列的二維向量

理解：numpy的二維向量對應著Python的嵌套, 只是numpy支持更高維度的列表, 這也是numpy比Python的優勢之處

基礎索引

一維數組

和Python的list一樣

#1.因為Python語言中有第0位，因此實際中的第一位對應著Python語言中的第0位，numpy是Python中的一個科學計算庫，因此也遵從此法則

#2.x[2 : 4]是左閉右開形式,因此實際應在4 - 1也就是第3位結束

#3.可以冒號前后省略，省略最后面就是到最后截止，此時包含最后一位, 不用 -1

我的理解:帶冒號左右都有數字的左閉右開[a, b]，結束在b-1的位置,帶冒號左右數字省略的不用-1，不帶冒號的該在第幾位結束就在第幾位結束

二維數組

注意: 切片的修改會修改原來的數組

原因:NumPy經常要處理大數據, 避免每次都復制

神奇索引

其實就是:用整數數組進行的索引, 叫神奇索引

Eg.

神奇索引的用處

-實例舉例:獲取數組中最大的前N個數字

一維數組

二維數組0?????????????????????????????????? ??????????????????????????????????????????????????????????????????????????? ????????????????

?????????????????????????????????????????

我的理解:

列可以省略, 行不可以省略，如若不改變行,? 用：代替，列也可以用：代替，也可以省略如若想改變行和列，用[[行a, 行b, 行c, ...], [列a，列b? ，列c]]

布爾索引(常用)

一維數據

二維數組

我的理解:

用變量直接與數字判斷輸出布爾類型True 或 FalseX[]里判斷, 輸出滿足條件的數組

布爾索引條件的組合

總結