gpt4 book ai didi

NumPy 索引和切片的用法总结

转载 作者:qq735679552 更新时间:2022-09-28 22:32:09 36 4
gpt4 key购买 nike

CFSDN坚持开源创造价值,我们致力于搭建一个资源共享平台,让每一个IT人在这里找到属于你的精彩世界.

这篇CFSDN的博客文章NumPy 索引和切片的用法总结由作者收集整理,如果你对这篇文章有兴趣,记得点赞哟.

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.

NumPy 索引和切片的用法总结

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.

  1. >>> data = np.array([1, 2, 3]) 
  2.  
  3. >>> data[1] 
  4. >>> data[0:2] 
  5. array([1, 2]) 
  6. >>> data[1:] 
  7. array([2, 3]) 
  8. >>> data[-2:] 
  9. array([2, 3]) 

你可以这样想象:

NumPy 索引和切片的用法总结

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:

  1. >>> 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.

  1. >>> print(a[a < 5]) 
  2. [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.

  1. >>> five_up = (a >= 5) 
  2. >>> print(a[five_up]) 
  3. [ 5  6  7  8  9 10 11 12] 

可以选择可被2整除的元素:

  1. >>> divisible_by_2 = a[a%2==0] 
  2. >>> print(divisible_by_2) 
  3. [ 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:

  1. >>> c = a[(a > 2) & (a < 11)] 
  2. >>> print(c) 
  3. [ 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.

  1. >>> five_up = (a > 5) | (a == 5) 
  2. >>> print(five_up) 
  3. [[False False False False] 
  4.  [ True  True  True  True] 
  5.  [ 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:

  1. >>> 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:

  1. >>> b = np.nonzero(a < 5
  2. >>> print(b) 
  3. (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:

  1. >>> listlist_of_coordinates= list(zip(b[0], b[1])) 
  2.  
  3. >>> for coord in list_of_coordinates: 
  4. ...     print(coord) 
  5. (0, 0) 
  6. (0, 1) 
  7. (0, 2) 
  8. (0, 3) 

还可以使用np.nonzero()打印数组中小于5的元素,并使用:

  1. >>> print(a[b]) 
  2. [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:

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

原文链接:https://mp.weixin.qq.com/s?__biz=MzI3NTkyMjA4NA==&mid=2247501920&idx=1&sn=107e017ce454051b4a3593f4074ec122&chksm=eb7fe5abdc086cbdb26a966fd20b3460bfa952014e619a1a422de24f737527036920b9c833da&mpshare=1&s 。

最后此篇关于NumPy 索引和切片的用法总结的文章就讲到这里了,如果你想了解更多关于NumPy 索引和切片的用法总结的内容请搜索CFSDN的文章或继续浏览相关文章,希望大家以后支持我的博客! 。

36 4 0
Copyright 2021 - 2024 cfsdn All Rights Reserved 蜀ICP备2022000587号
广告合作:1813099741@qq.com 6ren.com