Numpy數組詳解：shape、索引與切片全攻略
Numpy數組是Python數據分析的基礎，提供高效多維數組對象，核心操作包括數組創建、shape、索引和切片。 創建方法：常用np.array()從列表生成數組；zeros/ones創建全0/1數組；arange類似range生成序列。 shape是數組維度標識，用.shape查看，reshape()可調整維度（總元素數需不變），-1表示自動計算維度。 索引：1維數組同列表（0開始，支持正負索引）；2維數組用[i,j]雙索引。 切片：語法[start:end:step]，1維/2維分別截取子數組，切片默認返回視圖（修改影響原數組），需用.copy()生成獨立拷貝。 掌握shape、索引和切片是核心，建議通過實踐練習鞏固這些基礎操作。
閱讀全文從0開始學數據結構：數組到底是什麼？
數組是一組相同類型數據的有序集合，通過索引（從0開始）訪問，元素連續存儲，用於高效管理大量同類數據。例如班級成績，用數組`scores = [90,85,95,78,92]`可替代多個變量，便於整體操作。 聲明初始化（如Python）：`scores = [90,85,95,78,92]`或`[0]*5`（聲明長度爲5的數組）。訪問元素用`scores[索引]`，需注意索引範圍（0到長度-1），越界會報錯。 基本操作：遍歷可用循環（`for score in scores: print(score)`）；插入刪除需移動後續元素（時間複雜度O(n)）。 核心特點：類型相同、索引從0開始、元素連續存儲。優點是訪問速度快（O(1)），缺點是插入刪除效率低、靜態大小。 數組是數據結構基礎，理解其“索引訪問、連續存儲”的核心思想，對學習鏈表、哈希表等複雜結構至關重要，是數據管理的核心工具。
閱讀全文