Data Science Academy · Lekcja

Indeksowanie i wycinanie tablic

Pobieraj wiersze, kolumny i zakresy.

Indeksowanie i wycinanie tablic to bezpłatna lekcja Data Science Academy na CoddyKit. To lekcja 4 z 4. Możesz przeczytać całą lekcję poniżej za darmo — a potem ćwiczyć ją interaktywnie w przeglądarce z wbudowanym edytorem kodu i tutorem AI dostępnym 24/7. To część ścieżki edukacyjnej Data Science Academy, a Twój postęp synchronizuje się między webem a aplikacją CoddyKit. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Części tej lekcji nie zostały jeszcze przetłumaczone i są wyświetlane po angielsku.

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]  # 10

Count From the End

Negative indices count backward. arr[-1] hands you the last element without needing to know the array's length.

arr[-1]  # 30

Slices 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 4

Steps 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 8

Two 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]  # 3

Grab 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 changes

Make 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 0

Quick 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. 🎉

Często zadawane pytania

Czy lekcja „Indeksowanie i wycinanie tablic” jest bezpłatna?

Tak — pełny tekst „Indeksowanie i wycinanie tablic” jest dostępny za darmo tutaj w sieci. Aby ćwiczyć ją interaktywnie (wbudowany edytor kodu i tutor AI dostępny 24/7) i odblokować resztę kursu Data Science Academy, przejdź na CoddyKit PRO. Kurs Data Science Academy zawiera 4 lekcji w sumie.

Co nauczysz się w „Indeksowanie i wycinanie tablic”?

Pobieraj wiersze, kolumny i zakresy. Ćwiczysz Data Science Academy z praktycznym kodem, który uruchamiasz bezpośrednio w przeglądarce, a tutor AI dostępny 24/7 odpowiada na Twoje pytania podczas pracy nad lekcją.

Czy potrzebuję doświadczenia, aby zacząć Data Science Academy?

Nie wymagamy żadnego doświadczenia. Data Science Academy w CoddyKit jest strukturyzowany dla początkujących i zaawansowanych użytkowników, więc możesz zacząć tutaj lub od początku i uczyć się w swoim tempie. To lekcja 4 z 4.

Ile czasu zajmuje lekcja „Indeksowanie i wycinanie tablic”?

Większość lekcji CoddyKit trwa około 5–10 minut. Każda lekcja to mały, interaktywny krok, dzięki czemu robisz systematyczne postępy i zawsze wracasz dokładnie do tego samego miejsca — na webie i w aplikacji.

Czy mogę pisać i uruchamiać kod w tej lekcji Data Science Academy?

Tak. Każda lekcja Data Science Academy zawiera wbudowany edytor kodu, więc piszesz i uruchamiasz prawdziwy kod bezpośrednio w przeglądarce i od razu otrzymujesz sprzężenie zwrotne od AI — bez konfiguracji na komputerze.

Wszystkie lekcje w tym kursie

← Powrót do Data Science Academy