Numpy使用3

上一篇博客介绍了numpy的几种初始化方式和numpy的数据类型(dtype)和shape的相关知识,这篇介绍numpy矩阵的索引与切片

矢量化

numpy数组有一个很好的特性就是支持vectorization,大小相同的数组做任何操作将在元素级别进行运算,这意味着我们可以像使用matlab那样对数据进行操作

In [46]: a = np.array([[1,2,4],[3,5,6]])

In [47]: b = np.array([[2,3,7],[4,5,7]])

In [48]: a+b
Out[48]: 
array([[ 3,  5, 11],
       [ 7, 10, 13]])

In [49]: a*b
Out[49]: 
array([[ 2,  6, 28],
       [12, 25, 42]])

In [50]: a * a
Out[50]: 
array([[ 1,  4, 16],
       [ 9, 25, 36]])

In [51]: 

广播

numpy还有一个很好的特性就是支持broadcasting,数组与标量的运算也将映射到元素级

In [51]: 1 + a
Out[51]: 
array([[2, 3, 5],
       [4, 6, 7]])

In [52]: 2 * a  + 3 *b
Out[52]: 
array([[ 8, 13, 29],
       [18, 25, 33]])

In [53]: 

索引与切片

(1)一维数组

很简单,就和普通的数组几乎一样

In [55]: c
Out[55]: array([1, 4, 5, 2, 6, 7])

In [56]: c[3]  # 下标访问
Out[56]: 2

In [57]: c[2:4]  # 切片也是个数组
Out[57]: array([5, 2])

In [58]: c[2:4] = 8  # 连续赋值支持broadcasting

In [59]: c
Out[59]: array([1, 4, 8, 8, 6, 7])

In [60]: 

(2)多维数组

多维数组可做的事情很多,索引下标是维度较低的数组,我们以三维数组为例说明

<1> 基本的索引

In [60]: d = np.ones((3,4,4), dtype=np.int16)

In [61]: d
Out[61]: 
array([[[1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1]],

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

       [[1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1],
        [1, 1, 1, 1]]], dtype=int16)

In [62]: d += 4

In [63]: d  
Out[63]: 
array([[[5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]],

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

       [[5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]]], dtype=int16)

In [64]: d.shape
Out[64]: (3, 4, 4)  # d是一个三维数组(3*4*4)

###########因为数组的维度为三,所以对其索引下标可以为标量或者是2维数组
In [65]: d[0]
Out[65]: 
array([[5, 5, 5, 5],
       [5, 5, 5, 5],
       [5, 5, 5, 5],
       [5, 5, 5, 5]], dtype=int16)

In [66]: d[0].shape  # d[0]也是个数组,维度为2,大小为4*4
Out[66]: (4, 4)

In [67]: d[1][1]  # d[1][1]也是个数组,维度为1,大小是4
Out[67]: array([5, 5, 5, 5], dtype=int16)

In [68]: d[1,1]  # 也可以采用此种索引方法
Out[68]: array([5, 5, 5, 5], dtype=int16)

In [69]: d[1,1] = 4 # broadcasting式的赋值

In [70]: d
Out[70]: 
array([[[5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]],

       [[5, 5, 5, 5],
        [4, 4, 4, 4],
        [5, 5, 5, 5],
        [5, 5, 5, 5]],

       [[5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5],
        [5, 5, 5, 5]]], dtype=int16)

In [71]: d[1,1] = np.array([7,8,9,10])  # 可以相同大小的数组进行赋值

In [72]: d
Out[72]: 
array([[[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 7,  8,  9, 10],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]]], dtype=int16)

In [73]: 

<2> 切片索引

In [73]: d
Out[73]: 
array([[[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 7,  8,  9, 10],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]]], dtype=int16)

In [74]: d[:2]  # 冒号前不写表示为0,冒号后不写表示到最后
Out[74]: 
array([[[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 7,  8,  9, 10],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]]], dtype=int16)

In [75]: d[1:2, 1:2]
Out[75]: array([[[ 7,  8,  9, 10]]], dtype=int16)

In [76]: d[1:2, 1:2].shape
Out[76]: (1, 1, 4)

In [77]: d[1:2, 1:2] = 12  # 同样的赋值也是broadcasting式的

In [78]: d
Out[78]: 
array([[[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [12, 12, 12, 12],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]],

       [[ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5],
        [ 5,  5,  5,  5]]], dtype=int16)

<3> 布尔型索引

numpy数组还支持布尔型索引

In [80]: f = np.array([[1,3,5],[2,4,6]])

In [81]: f
Out[81]: 
array([[1, 3, 5],
       [2, 4, 6]])

In [82]: f == 4  # 进行元素级别的比较,产生bool数组
Out[82]: 
array([[False, False, False],
       [False,  True, False]], dtype=bool)

In [83]: f[f==4]  # 选取f中元素数值等于4的
Out[83]: array([4])


##############如果有多个选取条件,可以使用&\|这样的表达

In [84]: mask = (f == 4) | (f == 6) 

In [85]: f[mask]
Out[85]: array([4, 6])

此篇就讲到这,下篇继续说

本文参与腾讯云自媒体分享计划,欢迎正在阅读的你也加入,一起分享。

发表于

我来说两句

0 条评论
登录 后参与评论

相关文章

来自专栏desperate633

LintCode 翻转字符串题目分析代码

说明 单词的构成:无空格字母构成一个单词 输入字符串是否包括前导或者尾随空格?可以包括,但是反转后的字符不能包括 如何处理两个单词间的多个空格?在反转字符...

672
来自专栏专注研发

希尔排序(shell‘ sort)

希尔排序是1959 年由D.L.Shell 提出来的,相对直接排序有较大的改进。希尔排序又叫缩小增量排序

843
来自专栏老司机的技术博客

宝宝都能学会的python编程教程6:列表(list)

上期编程题的答案如上图。 列表(list) list是一种有序的集合,可以随时添加和删除其中的元素。 当索引超出了范围时,Python会报一个IndexErr...

3416
来自专栏从流域到海域

《笨办法学Python》 第4课手记

《笨办法学Python》 第4课手记 这节课目的是让你掌握变量,跟C语言非常类似,很简单。 左边是变量名用”=”号给变量赋值。 不同的是我没有看到变量声明,作者...

1708
来自专栏瓜大三哥

Matlab基本运算3

字符串指的是1xn的字符数组。单个字符是按照unicode编码存储的,每个字符占两个字节 ? 在matlab中,只要用(‘)将需要设定的字符串括起来。 disp...

1956
来自专栏小詹同学

Leetcode打卡 | No.20 有效的括号

给定一个只包括 '(',')','{','}','[',']' 的字符串,判断字符串是否有效。

752
来自专栏PHP在线

PHP面试题,PHP笔试题

题目一: <?php echo -10%3; ?> 答案:-1。 考查:优先级。 因为-的优先级比%求余的优先级低, 也就是-(10%3)。 题目二: prin...

60115
来自专栏闻道于事

Java之分支和循环

Java中的分支语句: if语句: if语句的四种写法:   (1)   if(表达式_布尔值) {   ...   }   (2)   if(表达式_布...

2999
来自专栏一“技”之长

JavaScript基础之三——基本运算符 原

    大多数语言支持的基本运算符都差别不大。其中最常用的莫属赋值运算符,编程初学者总是会将赋值运算符与相等运算符混淆,需要注意,赋值运算符用于将等号右侧的值赋...

581
来自专栏Python攻城狮

数据结构与算法 - 排序与搜索排序与搜索

冒泡排序(英语:Bubble Sort)是一种简单的排序算法。它重复地遍历要排序的数列,一次比较两个元素,如果他们的顺序错误就把他们交换过来。遍历数列的工作是重...

813

扫码关注云+社区