你好,我是zhenguo
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。
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:
>>> 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))
NumPy系列教程,点击http://www.zglg.work/numpy/numpy-indexing-slicing/,学习更多:
本文分享自 程序员郭震zhenguo 微信公众号,前往查看
如有侵权,请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体同步曝光计划 ,欢迎热爱写作的你一起参与!