一、Python所有方向的学习路线

Python所有方向路线就是把Python常用的技术点做整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

二、学习软件

工欲善其事必先利其器。学习Python常用的开发软件都在这里了，给大家节省了很多时间。

三、入门学习视频

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！

arr2d[2]

array([7, 8, 9])

arr2d[0][2]

3

arr2d[0, 2]

3

按照行或者列来进行分片

arr2d

array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9]])

arr2d[:2] # 取前两行，即第0行和第1行

array([[1, 2, 3],

[4, 5, 6]])

arr2d[:2, 1:] # 取前两行的第零列之后所有元素

array([[2, 3],

[5, 6]])

arr2d[:, 1:2] # 取所有行的第一列元素（列索引从0开始）

array([[2],

[5],

[8]])

arr2d[1, :2] # 取第一行的前两列的元素元素

array([4, 5])

arr2d[2, :1] # 取第二行的第零列元素

array([7])

arr2d[:, :1] # 取所有行的第零列元素

array([[1],

[4],

[7]])

arr2d[:, 1:] = 0 # 同样，分片表达式的赋值操作也会扩散到源数据

arr2d

array([[1, 0, 0],

[4, 0, 0],

[7, 0, 0]])

布尔型索引

假设我们有一个用于存储数据的数组以及一个存储姓名的数组（含有重复项）。

import numpy as np

from numpy.random import randint

names = np.array([‘Bob’, ‘Joe’, ‘Bob’, ‘Will’, ‘Will’, ‘Joe’, ‘Joe’, ‘Bob’])

data = randint(6, size=(8, 4))

data

array([[2, 1, 2, 2],

[3, 3, 4, 2],

[0, 5, 3, 5],

[2, 1, 5, 2],

[1, 3, 0, 3],

[0, 0, 0, 1],

[0, 0, 0, 5],

[4, 2, 5, 1]])

假设每个名字都对应data数组中的一行，而我们想要选出对应于名字“Bob”的所有行。我们可以这样操作

names == ‘Bob’

array([ True, False, True, False, False, False, False, True], dtype=bool)

data[names == ‘Bob’]

array([[2, 1, 2, 2],

[0, 5, 3, 5],

[4, 2, 5, 1]])

布尔型数组的长度必须跟被索引的数组长度一致，此外，还可以将布尔型数组跟分片、整数（或整数序列）混合使用

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

data[names == ‘Bob’, 2:]

array([[2, 2],

[3, 5],

[5, 1]])

data[names == ‘Bob’, 3]

array([2, 5, 1])

data[names == ‘Bob’, 3:]

array([[2],

[5],

[1]])

如果需要选取多个名字组合需要组合多个布尔条件，使用&（和）、|（或）之类的布尔算术运算符即可：

mask = (names == ‘Bob’) | (names == ‘Will’)

mask

array([ True, False, True, True, True, False, False, True], dtype=bool)

data[mask]

array([[2, 1, 2, 2],

[0, 5, 3, 5],

[2, 1, 5, 2],

[1, 3, 0, 3],

[4, 2, 5, 1]])

注意：Python关键字and和or在布尔型数据中无效

通过布尔型数组设置值是一种经常用到的手段，为了将data中所有的偶数设置为3，我们只需：

data

array([[2, 1, 2, 2],

[3, 3, 4, 2],

[0, 5, 3, 5],

[2, 1, 5, 2],

[1, 3, 0, 3],

[0, 0, 0, 1],

[0, 0, 0, 5],

[4, 2, 5, 1]])

data[data % 2 == 0] = 3

data

array([[3, 1, 3, 3],

[3, 3, 3, 3],

[3, 5, 3, 5],

[3, 1, 5, 3],

[1, 3, 3, 3],

[3, 3, 3, 1],

[3, 3, 3, 5],

[3, 3, 5, 1]])

花式索引

花式索引是numpy术语，它指的是利用整数数组进行索引。假设我们有一个8×4数组：

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

arr = np.empty((8, 4))

for i in range(8):

… arr[i] = i

…

arr

array([[ 0., 0., 0., 0.],

[ 1., 1., 1., 1.],

[ 2., 2., 2., 2.],

[ 3., 3., 3., 3.],

[ 4., 4., 4., 4.],

[ 5., 5., 5., 5.],

[ 6., 6., 6., 6.],

[ 7., 7., 7., 7.]])

arr[[3, 5, 0, 6]]

array([[ 3., 3., 3., 3.],

[ 5., 5., 5., 5.],

[ 0., 0., 0., 0.],

[ 6., 6., 6., 6.]])

arr[[3, -3, -1]]

array([[ 3., 3., 3., 3.],

[ 5., 5., 5., 5.],

[ 7., 7., 7., 7.]])

arr[[3, 5, 0, 6]]会索引源数组的第三行、第五行、第零行、第六行，然后组成新的视图返回，而arr[[3, -3, -1]]则会索引第三行、倒数第三行和倒数第一行

我们生成了一个8×4数组，然后传入两个索引数组[1, 5, 7, 2]、[0, 3, 1, 2]，然后我们得到一个一维的数组

arr = np.arange(32).reshape((8, 4))

arr

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23],

[24, 25, 26, 27],

[28, 29, 30, 31]])

arr[[1, 5, 7, 2], [0, 3, 1, 2]]

array([ 4, 23, 29, 10])

下面我们分析一下上面的代码究竟发生了什么，第一个索引数组[1, 5, 7, 2]，我们获取第一行、第五行、第七行和第二行，然后我们将根据第二个索引数组 [0, 3, 1, 2]，获取第一行的第零列、第五行的三列……以此类推，最后，我们获得了一个一维的数组

当然，在有些情况下，我们希望按照不同的顺序获取源数组不同的行，并且还要在获取后，改动原来的列顺序，于是我们可以这样做：

‘’’

遇到问题没人解答？小编创建了一个Python学习交流QQ群：531509025

寻找有志同道合的小伙伴，互帮互助,群里还有不错的视频学习教程和PDF电子书！

‘’’

arr[[1, 5, 7, 2]]

array([[ 4, 5, 6, 7],

[20, 21, 22, 23],

[28, 29, 30, 31],

[ 8, 9, 10, 11]])

arr[[1, 5, 7, 2]][:, [2, 1, 3, 0]]

array([[ 6, 5, 7, 4],

[22, 21, 23, 20],

[30, 29, 31, 28],

[10, 9, 11, 8]])

arr[np.ix_([1, 5, 7, 2], [2, 1, 3, 0])]

array([[ 6, 5, 7, 4],

[22, 21, 23, 20],

[30, 29, 31, 28],

[10, 9, 11, 8]])

如上，我们既可以用arr[[1, 5, 7, 2]][:, [2, 1, 3, 0]]这样的方式获取获取不同的行，再改变其中的列顺序，同时也可以用np.ix_函数达到一样的目的，不过需要注意的一点是，花式索引跟分片不一样，它总是将数据复制到新的数组中：

arr1 = arr[np.ix_([1, 5, 7, 2], [2, 1, 3, 0])]

arr1

array([[ 6, 5, 7, 4],

[22, 21, 23, 20],

[30, 29, 31, 28],

[10, 9, 11, 8]])

arr1[1] = 66

arr1

array([[ 6, 5, 7, 4],

[66, 66, 66, 66],

[30, 29, 31, 28],

[10, 9, 11, 8]])

arr

array([[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11],

[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23],
[24, 25, 26, 27],
[28, 29, 30, 31]])

（1）Python所有方向的学习路线（新版）

这是我花了几天的时间去把Python所有方向的技术点做的整理，形成各个领域的知识点汇总，它的用处就在于，你可以按照上面的知识点去找对应的学习资源，保证自己学得较为全面。

最近我才对这些路线做了一下新的更新，知识体系更全面了。

（2）Python学习视频

包含了Python入门、爬虫、数据分析和web开发的学习视频，总共100多个，虽然没有那么全面，但是对于入门来说是没问题的，学完这些之后，你可以按照我上面的学习路线去网上找其他的知识资源进行进阶。

（3）100多个练手项目

我们在看视频学习的时候，不能光动眼动脑不动手，比较科学的学习方法是在理解之后运用它们，这时候练手项目就很适合了，只是里面的项目比较多，水平也是参差不齐，大家可以挑自己能做的项目去练练。

网上学习资料一大堆，但如果学到的知识不成体系，遇到问题时只是浅尝辄止，不再深入研究，那么很难做到真正的技术提升。

需要这份系统化学习资料的朋友，可以戳这里获取

一个人可以走的很快，但一群人才能走的更远！不论你是正从事IT行业的老鸟或是对IT行业感兴趣的新人，都欢迎加入我们的的圈子（技术交流、学习资源、职场吐槽、大厂内推、面试辅导），让我们一起学习成长！