Python: Numpy
2026-02-26 20:27 Diff
https://ru.hexlet.io/courses/python-numpy/lessons/indexing-slicing/theory_unit

Массивы данных в Python можно разделить на два типа по наличию или отсутствию порядка элементов. Например:

  • Множество set или словарь dict относятся к неупорядоченным данным — не удастся обойти их по индексу
  • Зато такая возможность есть со списком list или кортежем tuple — у их элементов индексы есть

Для массивов numpy.ndarray порядок элементов важен, потому что он помогает ускорить обработку данных. Его индексация похожа на индексацию списка list. В этом уроке подробнее разберем эту тему, а также поговорим о правилах и методах работы с индексами массивов numpy.ndarray.

Правила индексирования массивов

Возьмем пример из прошлого урока и добавим к нему чуть больше данных:

Получим элемент массива numpy.ndarray. Здесь принцип такой же, как с получением элемента списка:

Отрицательные целые значения также применимы к индексации массивов numpy.ndarray:

В многомерном случае делается все по аналогии:

Выше мы рассмотрели два способа получения элементов массива. Лучше всего использовать последний, потому что он выполняется за меньшее время. Причины станут ясны дальше, после знакомства с операцией среза.

Операции среза данных

Операция среза — это удобный и распространенный способ получить некоторое подмножество элементов, идущих подряд. Срез помогает сократить время выполнения подвыборки за счет того, что не нужно использовать циклы:

Рассмотрим примеры срезов:

Срезы многомерных массивов упрощают операции со списками:

В примере выше мы вырезали элементы из верхнего левого квадрата исходной таблицы размером 2x2. Чтобы решить такую задачу с помощью списков, нужно было бы писать дополнительный код, тратить больше времени и сил.

Еще одна востребованная операция с многомерными массивами — получение строк и столбцов значений. Снова используем срезы массива numpy.ndarray и реализуем задачу таким образом:

Итеративный обход

Как мы говорили выше, в работе с массивами лучше не пользоваться циклами. Если есть возможность, лучше обходить элементы в нужном порядке с возможным периодическим пропуском элементов — так мы экономим время выполнения:

Знак шага указывает на порядок обхода: плюс говорит о восходящем порядке обхода индексов, минус — об обратном. Значение шага задает период обхода. Аналогичный синтаксис применим и для многомерных массивов:

Закрепим знания на практике

Воспользуемся недельными данными по продажам сети магазинов:

Подготовим данные для решения задач:

А теперь пошагово выполним три задачи.

Задача 1. Оставить только первые два магазина:

Задача 2. Оставить в рассмотрении данные продаж за выходные дни:

Задача 3. Сделать обратный порядок дней в таблице:

Выводы

В этом уроке мы изучили основные методы работы с индексами массивов. Индексация, срезы и итеративный обход списков list синтаксически похожи на операции над массивами numpy.ndarray. Однако есть и некоторые особенности, которые позволяют упростить и ускорить работу с подвыборками элементов массивов Numpy.