NumPy索引和切片的用法总结

参考NumPy官方文档，总结NumPy索引和切片，可以看到它们相比Python更加方便、简介和强大。

创新互联是少有的网站建设、做网站、营销型企业网站、微信小程序、手机APP,开发、制作、设计、买链接、推广优化一站式服务网络公司,于2013年创立,坚持透明化,价格低,无套路经营理念。让网页惊喜每一位访客多年来深受用户好评

索引和切片

您可以使用与切片 Python列表相同的方法，对NumPy数组进行索引和切片。

 
 
 
 
  
  
  
  >>> data = np.array([1, 2, 3]) 
  
  
  
   
  
  
  
  >>> data[1] 
  
  
  
  2 
  
  
  
  >>> data[0:2] 
  
  
  
  array([1, 2]) 
  
  
  
  >>> data[1:] 
  
  
  
  array([2, 3]) 
  
  
  
  >>> data[-2:] 
  
  
  
  array([2, 3])

你可以这样想象：

您可能需要获取数组的一部分或特定数组元素，以便在进一步分析或其他操作中使用。为此，需要对数组进行子集、切片和/或索引。

如果您想从数组中选择满足特定条件的值，那么NumPy很简单。

例如，如果从这个数组开始：

 
 
 
 
  
  
  
  >>> a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

可以轻松打印数组中小于5的所有值。

 
 
 
 
  
  
  
  >>> print(a[a < 5]) 
  
  
  
  [1 2 3 4]

例如，还可以选择等于或大于5的数字，并使用该条件对数组进行索引。

 
 
 
 
  
  
  
  >>> five_up = (a >= 5) 
  
  
  
  >>> print(a[five_up]) 
  
  
  
  [ 5  6  7  8  9 10 11 12]

可以选择可被2整除的元素：

 
 
 
 
  
  
  
  >>> divisible_by_2 = a[a%2==0] 
  
  
  
  >>> print(divisible_by_2) 
  
  
  
  [ 2  4  6  8 10 12]

或者可以使用&和|运算符选择满足两个条件的元素：

 
 
 
 
  
  
  
  >>> c = a[(a > 2) & (a < 11)] 
  
  
  
  >>> print(c) 
  
  
  
  [ 3  4  5  6  7  8  9 10]

还可以使用逻辑运算符&和 |返回布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。

 
 
 
 
  
  
  
  >>> five_up = (a > 5) | (a == 5) 
  
  
  
  >>> print(five_up) 
  
  
  
  [[False False False False] 
  
  
  
   [ True  True  True  True] 
  
  
  
   [ True  True  True True]]

还可以使用np.nonzero()从数组中选择元素或索引。

从这个数组开始：

 
 
 
 
  
  
  
  >>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

可以使用np.nonzero()打印元素的索引，例如，小于5：

 
 
 
 
  
  
  
  >>> b = np.nonzero(a < 5) 
  
  
  
  >>> print(b) 
  
  
  
  (array([0, 0, 0, 0]), array([0, 1, 2, 3]))

在本例中，返回了一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。

如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：

 
 
 
 
  
  
  
  >>> listlist_of_coordinates= list(zip(b[0], b[1])) 
  
  
  
   
  
  
  
  >>> for coord in list_of_coordinates: 
  
  
  
  ...     print(coord) 
  
  
  
  (0, 0) 
  
  
  
  (0, 1) 
  
  
  
  (0, 2) 
  
  
  
  (0, 3)

还可以使用np.nonzero()打印数组中小于5的元素，并使用：

 
 
 
 
  
  
  
  >>> print(a[b]) 
  
  
  
  [1 2 3 4]

如果要查找的元素在数组中不存在，则返回的索引数组将为空。例如：

 
 
 
 
  
  
  
  >>> not_there = np.nonzero(a == 42) 
  
  
  
  >>> print(not_there) 
  
  
  
  (array([], dtype=int64), array([], dtype=int64))

网站名称：NumPy索引和切片的用法总结
URL地址：http://www.gawzjz.com/qtweb/news23/165723.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源：创新互联

猜你还喜欢下面的内容