创作背景学习目标任务描述知识准备
Ndarray 多维数组`reshape` 改变数组形状多维数组的切片 任务实施
思路编写代码 结尾 创作背景
最近本菜鸡在整理 NumPy 的知识，写下此篇博客以记录。
如果觉得我这篇文章写的好的话，能不能给我 点个赞 ，评论 、收藏 一条龙(☆▽☆)。如果要点个 关注 的话也不是不可以珞。
请各位参加一下文末的 投票 哦，如果 有什么不足之处，还 请各位大佬在评论区提出，不胜感激。
了解 Ndarray 对象的创建、切片、赋值操作，学习 ndarray 对象形状变换方法和对 ndarray 对象的数据进行操作。
任务描述今天天气正好，数学家小明应要求要去做核酸检测。到达现场后，他发现人很多，有 100 个人，排成了长长的一列，这就造成了两侧空间的浪费。于是他建议把队伍变为 S 型，每一行有 10 个人，你能帮他排列一下队形吗？
知识准备 Ndarray 多维数组NumPy 最重要的一个特点是其 N 维数组对象 ndarray，它是一系列 同类型 数据的集合，以 0 下标为开始进行集合中元素的索引。
其具有以下特点：
ndarray 对象是用于存放 同类型元素 的多维数组，这就有一个好处：如果我们知道数组中的元素为某一类型，该数组所需的存储空间就很容易确定下来。
下面我们就来看一下哪些函数可以创建 ndarray 对象。
我们可以通过 arange 函数来生成 等差数列 。
numpy.arange([*start*, ]*stop*, [*step*, ]*dtype=None*, ***, *like=None*)
该函数中第一个参数是等差数列 开始值 ，第二个参数是 结束值 。
eg：
In[]:print(np.arange(1, 5)) Out[]:array([1, 2, 3, 4])
如果我们想多生成一些数据的话，可以指定步长，也就是第三个参数。
eg：
In[]:print(np.arange(1, 5, 0.5)) Out[]:array([1、, 1.5, 2、, 2.5, 3、, 3.5])
如果我们要一个全为 1 的多维数组，应该怎么做呢？ ----- 可以使用 ones 函数。
numpy.ones(*shape*, *dtype=None*, *order='C'*, ***, *like=None*)
其中，第一个参数传入数组的 形状 ，例如一个 3x2 的数组，参数 shape 的值就应该是 (3, 2) 。
第二个参数是指定 数据类型，就是我们这个全为 1 的多维数组中，1 的类型是什么。可以是 整形 、浮点型 和 字符型 。
整形是默认的，就不在这里举例了。
浮点型如下：
In[]:print(np.ones((3, 2), np.float64)) Out[]:array([[1., 1.], [1., 1.], [1., 1.]])
字符型就是里边的数据全为字符：
In[]:print(np.ones((3, 2), str))Out[]:array([['1', '1'], ['1', '1'], ['1', '1']], dtype='
后面的参数一般为默认，在这里不多赘述。
那全为 0 的多维数组呢？使用 zeros 函数，参数和 ones 类似，参考上文。
只有 0 和 只有 1 太单调了，那如果我想生成一个指定值、指定形状的数组应该怎么办呢？那就要用到 full 函数。
numpy.full(shape, fill_value, dtype=None, order='C', *, like=None)
其中，第一个参数仍然是数组的形状，这里就不多说了。
第二个参数就是我们要指定的数据了，如果我想生成一个数据全为 13 的多维数组，就可以使用下述代码实现。
In[]:print(np.full((3, 2), 13)) Out[]:array([[13, 13], [13, 13], [13, 13]])
第三个参数也同 ones 函数。
上面生成的多维数组是每个位置上都有数据，且数据都是相同的。
如果我们要生成一个类似于单位矩阵的多维数组应该怎么做呢？你可能会问，不会 NumPy 里有函数能实现这个功能吧？
被你猜对了， eye 函数就是生成一个类似于单位矩阵的多维数组。
numpy.eye(*N*, *M=None*, *k=0*, *dtype=
*, *order='C'*, ***, *like=None*) 其中，前两个参数还是指定单位矩阵的形状，如果不指定第二个参数的话，就默认生成 NxN 的矩阵。
eg：
In[]:print(np.eye(3))Out[]:array([[1., 0., 0.], [0., 1., 0.], [0., 0., 1.]])In[]:print(np.eye(3, 2))Out[]:array([[1., 0.], [0., 1.], [0., 0.]])
参数 k 确定使用哪一对角线，传入的是索引值，默认为 0 ，也就是 主对角线 。正值代表 上对角线 ，反之，负值代表 下对角线 。
eg：
In[]:print(np.eye(3, k=1))Out[]:array([[0., 1., 0.], [0., 0., 1.], [0., 0., 0.]]) In[]:print(np.eye(3, k=-1))Out[]:array([[0., 0., 0.], [1., 0., 0.], [0., 1., 0.]])
后续参数同 ones 函数。
在 Python 中，0 是没有办法作为 除数 的，会报错，而在 NumPy 中却是可以的。
众所周知，任意非 0 的数与 0 相除的值都是 无穷大 ，而 0 除以 0 为空值。NumPy 中就支持这种表示方法。
In[]:print(np.array(1) / np.array(0)) Out[]:inf In[]:print(np.array(0) / np.array(0))Out[]:nan
这里的 inf 是单词 Infinity 的缩写，表示 无穷大 ；nan 则表示 空。
reshape 改变数组形状在 NumPy 中，我们可以使用 reshape 改变数组的形状。
多维数组的切片numpy.reshape(a, newshape, order='C')
其中，第一个参数是 要改变形状的数组 。第二个参数是 预期的形状 ，记得要传入的是 元组 对象哦。
eg：
我们可以先创建一个 3x2 的多维数组，并给所有的数据赋值为 13 。
In[]:array = np.full((3, 2), 13) print(array)Out[]:array([[13, 13], [13, 13], [13, 13]])
如果我们要把上述数组变为只有一行的数组，可以使用 reshape 函数。
In[]:print(np.reshape(array, (1, 6)))Out[]:array([[13, 13, 13, 13, 13, 13]])
上述例子中，我们可以通过 3 × 2 = 6 3 times 2 = 6 3×2=6 来求得数组中总的个数。因为我们确定了新数组中只有 1 行数据，所以可以确定新数组的列数。
可如果我们不知道数组中元素的总数，只知道新数组的行数的话，应该怎么给第二个参数传值呢？
不用担心，NumPy 的作者已经想到这个问题了，我们可以使用 -1 来代替未知的形状数值。
eg：
In[]:print(np.reshape(array, (1, -1)))Out[]:array([[13, 13, 13, 13, 13, 13]])
可以看到，使用 -1 可以达到同样的效果。
注 ：要注意的是，数组的维度参数都必须是 整数 ，如果不是整数的话会报错。
如果我们要查看 ndarray 对象中内置的方法的话，我们可以发现 reshape 函数的踪迹。我们可以使用 Python 中内置的 dir 函数来查看。
In[]:print(dir(array)) Out[]:[…… 'reshape', ……]
使用方法与 numpy.reshape 类似，不过不用传入第一个参数了。
NumPy 数组的切片方式与 Python 中的列表类似。
eg：
创建一个九宫格数组。
In[]:array = np.arange(1, 10).reshape((3, 3)) print(array) Out[]:array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
我们可以使用取出第二行数据，即下标 1。
In[]:print(array[1])Out[]:array([4, 5, 6])
如果要取出最中间的元素，也就是第二行第二个元素，我们可以使用下述代码。
In[]:print(array[1][1])Out[]:5
因为上一步我们通过 array[1] 取出了第二行元素，而第二行元素也是 ndarray 对象，同样可以使用下标 1 来取出第二个元素。而这两个下标可以合并到一个中括号中，即：
In[]: print(array[1, 1]) Out[]: 5
如果我们要让第二行倒序应该怎么做呢？
取出第二行元素。
In[]:a = array[1] print(a) Out[]:array([4, 5, 6])
倒序切片。
In[]:print(a[::-1])Out[]:array([6, 5, 4])
这两步可以合并为一步，如下：
In[]:print(array[1, ::-1])Out[]:array([6, 5, 4])
任务实施 思路根据需求，我们可以规划一下思路。
第一步，我们需要创建一个 1~100 的等差数列，来代表每个排队的人的序号。第二步，按照每行 10 人将一维的等差数列转化为多维数组。第三步，按照 S 的顺序对序号排序。 编写代码首先，我们需要导入 NumPy 库。
import numpy as np
其次，我们来实现思路的第一步。
按照知识准备中的方法，我们很容易就能创建一个等差数列，代码如下：
queue = np.arange(1, 101)
再次，改变其形状。
queue = queue.reshape((10, 10))
然后，按照 S 的顺序排序。
for i in range(1, queue.shape[0], 2): queue[i, :] = queue[i, ::-1]
最后，将结果输出。
print(queue)
结尾
有想要一起学习 python 的小伙伴可以 私信我 进群哦。
以上就是我要分享的内容，因为 学识尚浅，会有不足，还 请各位大佬指正。
有什么问题也可在评论区留言。