# 导入numpy
import numpy as np

一维数组与二维数组中的索引

# 定义一个由3到14数列数组的array
a = np.arange(3, 15)

# 打印这个array
print(a)
# 访问索引为2位置的元素
print(a[2])
[ 3  4  5  6  7  8  9 10 11 12 13 14]
5
# 定义一个3行4例，由3到14组成的二维数组array(也可以叫矩阵格式)
a = np.arange(3, 15).reshape((3, 4))

# 打印二维数组
print(a)
# 查看索引为2位置的元素
print(a[2])
[[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
[11 12 13 14]

从上例可以看出，如果是二维的数组，这里的索引[2]得到的是索引为2的行中的所有数据

如果想从二维数组中找出某个单独元素，就要指定行与列的索引

# 打印出第3行第2列的数据
print(a[2][1])
# 另一种写法
print(a[2, 1])
12
12

对数组进行切片

print('打印原始数组\n', a)

print('取第3行，所有列的元素\n',  a[2, :])

print('取所有行，第4列的元素\n', a[:,3])

print('取第2行中第2列到第3列的元素\n', a[1, 1:3])
打印原始数组
 [[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
取第3行，所有列的元素
 [11 12 13 14]
取所有行，第4列的元素
 [ 6 10 14]
取第2行中第2列到第3列的元素
 [8 9]

循环

for row in a:
    print('打印行', row)
打印行 [3 4 5 6]
打印行 [ 7  8  9 10]
打印行 [11 12 13 14]

如果对一个二维的数组进行循环，在每次迭代中，默认得到的数据中行数据

那如何对二维数组中的列进行迭代呢？遗憾的是numpy中并没有直接提供这种方法

不过，可以利用numpy提供的行列转换方法，将二维数组的列转成行，再进行迭代，即可输出列数据

print('打印原始数据\n', a)
print('打印转置后的数据\n', a.T)

print('对列进行迭代')
for column in a.T:
    print('\t打印列数据：', column)
打印原始数据
 [[ 3  4  5  6]
 [ 7  8  9 10]
 [11 12 13 14]]
打印转置后的数据
 [[ 3  7 11]
 [ 4  8 12]
 [ 5  9 13]
 [ 6 10 14]]
对列进行迭代
	打印列数据： [ 3  7 11]
	打印列数据： [ 4  8 12]
	打印列数据： [ 5  9 13]
	打印列数据： [ 6 10 14]

如果想把二维数组中的每一个元素都输出，则可以将二维数组展开，拉伸成一维数组，再进行迭代

# 使用迭代器flat迭代每个元素
print('使用迭代器flat:', a.flat)
for item in a.flat:
     print('\t打印元素', item)

    
# 将二维的array 压扁，形成一维array
print('使用flatten扁化成一维形状：', a.flatten())
a = a.flatten()
for item in a:
     print('\t打印元素', item)
使用迭代器flat: <numpy.flatiter object at 0x000001C725C23370>
	打印元素 3
	打印元素 4
	打印元素 5
	打印元素 6
	打印元素 7
	打印元素 8
	打印元素 9
	打印元素 10
	打印元素 11
	打印元素 12
	打印元素 13
	打印元素 14
使用flatten扁化成一维形状： [ 3  4  5  6  7  8  9 10 11 12 13 14]
	打印元素 3
	打印元素 4
	打印元素 5
	打印元素 6
	打印元素 7
	打印元素 8
	打印元素 9
	打印元素 10
	打印元素 11
	打印元素 12
	打印元素 13
	打印元素 14

flatten函数会将二维数组扁平化，即压成一维形状

flat迭代器则返回一个可迭代对象