Rivalry2

HTML Diff

0 added 0 removed

Original 2026-01-01

Modified 2026-02-26

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

2 <ul><li>Множество set или словарь dict относятся к неупорядоченным данным - не удастся обойти их по индексу</li>

3 <li>Зато такая возможность есть со списком list или кортежем tuple - у их элементов индексы есть</li>

4 </ul>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.

5 <h2>Правила индексирования массивов</h2>

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

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

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

9 В многомерном случае делается все по аналогии:

10 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.

11 <h2>Операции среза данных</h2>

12 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:

13 Рассмотрим примеры срезов:

14 Срезы многомерных массивов упрощают операции со списками:

15 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.

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

17 <h3>Итеративный обход</h3>

18 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:

19 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:

20 <h2>Закрепим знания на практике</h2>

21 Воспользуемся недельными данными по продажам сети магазинов:

22 Подготовим данные для решения задач:

23 А теперь пошагово выполним три задачи.

24 Задача 1.Оставить только первые два магазина:

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

26 Задача 3.Сделать обратный порядок дней в таблице:

27 <h3>Выводы</h3>

28 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.