Indicizzazione e slicing degli array
Recuperi righe, colonne e intervalli.
Indicizzazione e slicing degli array è una lezione Data Science Academy gratuita su CoddyKit. Questa è la lezione 4 di 4. Puoi leggere la lezione completa qui gratuitamente — poi esercitati direttamente nel browser con un editor di codice integrato e un tutor IA disponibile 24/7. Fa parte del percorso di apprendimento Data Science Academy, e i tuoi progressi si sincronizzano tra il web e l'app CoddyKit. Il corso Data Science Academy include 4 lezioni in totale.
Parti di questa lezione non sono ancora state tradotte e vengono mostrate in inglese.
Grab the Pieces You Need
Real analysis means pulling out parts of your data. NumPy's indexing lets you grab single values, rows, columns, or ranges with ease. ✂️
Single Elements by Position
Just like a list, you reach one element by its index. Counting starts at zero, so arr[0] is the very first value.
arr = np.array([10, 20, 30])
arr[0] # 10Count From the End
Negative indices count backward. arr[-1] hands you the last element without needing to know the array's length.
arr[-1] # 30Slices Grab a Range
A slice uses start:stop to pull a range. The start is included, the stop is not, just like Python lists.
np.arange(10)[2:5] # 2 3 4Steps Inside a Slice
Add a third number for a step. Using ::2 keeps every other element, an easy way to thin out data.
np.arange(10)[::2] # 0 2 4 6 8Two Dimensions, One Bracket
For a 2D array, give row and column in one bracket: arr[row, col]. This is cleaner than chaining two sets of brackets.
m = np.array([[1, 2], [3, 4]])
m[1, 0] # 3Grab a Whole Row
A lone colon means take everything along that axis. So m[0, :] returns the entire first row.
m[0, :] # array([1, 2])Grab a Whole Column
Flip it to pull a column. m[:, 0] sweeps every row and keeps just the first column's values.
m[:, 0] # array([1, 3])Slices Are Views, Not Copies
Careful: a slice is a view into the original. Change the slice and the source array changes too, which can surprise you.
s = arr[0:2]
s[0] = 99 # arr also changesMake a Real Copy
When you need independence, call copy. It hands back a separate array so edits never touch the original.
safe = arr[0:2].copy()Slice to Assign, Too
Indexing works on the left side as well. Assign to a slice and you update a whole range in one move.
arr[0:2] = 0 # first two become 0Quick Check
Let's test selecting a column from a 2D array.
Recap
You can now carve up arrays: index single values, slice ranges with steps, target rows and columns, and copy when you need to stay safe. 🎉
Domande Frequenti
La lezione «Indicizzazione e slicing degli array» è gratuita?
Sì — il testo completo di «Indicizzazione e slicing degli array» è gratuito qui sul web. Per esercitarvi in modo interattivo (un editor di codice integrato e un tutor IA 24/7) e sbloccare il resto del corso Data Science Academy, passa a CoddyKit PRO. Il corso Data Science Academy include 4 lezioni in totale.
Cosa imparerò in «Indicizzazione e slicing degli array»?
Recuperi righe, colonne e intervalli. Eserciti Data Science Academy con codice pratico che esegui direttamente nel browser, e un tutor IA 24/7 risponde alle tue domande mentre lavori sulla lezione.
Ho bisogno di esperienza per iniziare Data Science Academy?
Non è richiesta alcuna esperienza precedente. Data Science Academy su CoddyKit è strutturato per principianti e studenti avanzati, quindi puoi iniziare da qui o dall'inizio e procedere al tuo ritmo. Questa è la lezione 4 di 4.
Quanto tempo richiede la lezione «Indicizzazione e slicing degli array»?
La maggior parte delle lezioni CoddyKit richiede circa 5–10 minuti. Ogni lezione è breve e interattiva, quindi fai progressi costanti e riprendi esattamente da dove hai lasciato su web e app.
Posso scrivere ed eseguire codice in questa lezione Data Science Academy?
Sì. Ogni lezione Data Science Academy include un editor di codice integrato, quindi scrivi ed esegui codice reale direttamente nel tuo browser e ricevi feedback istantaneo dall'IA — nessuna configurazione locale necessaria.
Tutte le lezioni di questo corso
- Da una lista Python a un ndarray
- Shape, size e dtype
- Calcolo vettorializzato senza cicli
- Indicizzazione e slicing degli array