继上节

查看数组维数

可以使用数组的ndim属性

代码示例如下：

import numpy as np

c = np.random.randint(1,9,5)

print(c.ndim)    

结果如下：

当然这些也可以结合前面的各种用法来使用

1、选取数组元素

（1）一维数组的元素选取

一维数组名称[数组索引值]（从零开始，若是从后往前便是从-1开始）

选取连续的元素

一维数组名称[索引值：索引值]（前后索引值都可以为空（其中一个为零另外一个就不行了）当然也可以为负值）其中这里是左闭右开也就是包含起始值不包含结束值。

代码示例如下：

import numpy as np

c = np.random.randint(1,9,5)

print(c[1:-1:2])    

结果如下：

获取不连续元素

数组名[索引值：索引值：步长](步长表示每隔步长减一个元素后选取一个元素）（步长为负数则是反向选取。

当然这里其实跟序列里的切片操作很相像。

二维数组的元素选取

选取单个操作

数组名[行索引值:列索引值]

选取整行或者整列

import numpy as np

c = np.array([[1,2,3],[2,3,4],[4,5,6]])

print(c[:,1])    

这里选择了整个序列为一的列的数字的代码

结果如下

当然也可以选择行序列为一的这里可以将c[:,1]变为c[1,:]或者直接变为c[1]

选取某些行或列

import numpy as np

c = np.array([[1,2,3],[2,3,4],[4,5,6]])

print(c[1:3])

print(c[:,1:3])    

print(c[0:2,1:3])

其中第一个是选取1到2行的元素

第二个print是选择1到2列的元素

第三个print是选择位于0到一行、1到2列的元素

结果如下

今天为大家留一串画图且关于数组的代码如下：

import matplotlib.pyplot as plt

import numpy as np

from sklearn.linear_model import LinearRegression

x= np.random.rand(100,1)

y = 2+ 3* x +np.random.rand(100,1)

mo = LinearRegression()

mo.fit(x,y)

x_new = np.array([[0],[1]])

y_pred =mo.predict(x_new)

plt.scatter(x,y,s=10)

plt.plot(x_new,y_pred,color='r')

plt.xlabel('x')

plt.ylabel('y')

plt.title('pc')

plt.show()