跳转至

🔥AI副业赚钱星球

点击下面图片查看

郭震AI

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:

NumPy Index

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&|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&|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:

>>> list_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))

学习更多:

索引和切片1

索引和切片2.


NumPy入门系列教程:

NumPy介绍

安装和导入NumPy

Python列表和NumPy数组有什么区别?

什么是array?

有关Array的详细信息

如何创建array

添加、删除和排序元素

数组形状和大小

重塑array

如何将一维array转换为二维array(如何向数组添加新轴)

NumPy索引和切片

大家在看

京ICP备20031037号-1 | AI之家 | AI资讯 | Python200 | 数据分析