首页
学习
活动
专区
圈层
工具
发布
首页
学习
活动
专区
圈层
工具
社区首页 >问答首页 >Python中的Numpy数组在切片数据时是否默认选择'True‘值

Python中的Numpy数组在切片数据时是否默认选择'True‘值
EN

Stack Overflow用户
提问于 2018-12-24 21:56:06
回答 1查看 301关注 0票数 0
代码语言:javascript
代码运行次数:0
运行
AI代码解释
复制
import numpy as np

test = np.array([1, 1, 1, 0, 0, 0, 1])
t = test[test == 1]
print(t)

当我打印“t”时,为什么代码总是打印"1“(即"True")值?Numpy系列中是否有默认情况下只选择true值的行为,除非我定义了true或false?

我正在学习Data Camp Python课程,但找不到答案,所以联系这个小组寻求帮助。

谢谢。

EN

回答 1

Stack Overflow用户

发布于 2018-12-24 22:37:52

显然,您已经将变量t编写为仅等于数字1。无论何时打印t,输出都将始终为1。尝试向列表中添加更多不同的数字,然后再次打印t。您还将再次收到1数组。

当将变量test的值更改为3时,如果数组中存在,则至少会得到3。否则,数组将为空。

test == car这样的字符串也是如此。

更新:使用索引进行切片

基本上,您已经从它们的索引中输出了数字。

让我们看一下下面的数组

x = np.array([1,0,1,1,1,0)

现在,让我们通过输入x[x]输出0,1,0,0,0,1

让我们将操作分解为几个部分。

X是数组中数字的变量。但是,当像这样将x放在方括号中时,您实际上是在命令程序只输出使用索引的数组中的前两个数字。

让我们说得更清楚一些。数组1,0,1,1,1,0的索引是0,1,2,3,45。

当键入x时,则1将仅输出。好的,让我们试试x1。它将输出0。这就是索引的工作方式。由于给定的索引,xx将输出0,1,0,0,0,1。

希望这能回答你的问题。

票数 0
EN
页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接:

https://stackoverflow.com/questions/53917956

复制
相关文章
Python中numpy数组切片
Python中符合切片并且常用的有:列表,字符串,元组。 下面那列表来说明,其他的也是一样的。 格式:[开头:结束:步长] 开头:当步长>0时,不写默认0。当步长<0时,不写默认-1 结束:当步长>0时,不写默认列表长度加一。当步长<0时,不写默认负的列表长度减一 步长:默认1,>0 是从左往右走,<0是从右往左走 遵循左闭右开原则,如:[0:9]等价于数学中的[0,9)
狼啸风云
2020/12/18
3.3K0
Python中numpy数组切片
python numpy数组切片_python列表切片详解
对于一维数组来说,python的list和numpy的array切片操作都是相似的。无非记住
全栈程序员站长
2022/09/21
1.8K0
Python学习——numpy数组切片
② j 缺省时:默认为 len(alist)。即 a[m:] 相当于 a[m,len(a)] 。
Sparkle^
2022/05/10
2.4K0
在Python机器学习中如何索引、切片和重塑NumPy数组
在Python中,数据几乎被普遍表示为NumPy数组。
用户9527
2018/02/02
19.1K0
Python数据分析(中英对照)·Slicing NumPy Arrays 切片 NumPy 数组
It’s easy to index and slice NumPy arrays regardless of their dimension,meaning whether they are vectors or matrices. 索引和切片NumPy数组很容易,不管它们的维数如何,也就是说它们是向量还是矩阵。 With one-dimension arrays, we can index a given element by its position, keeping in mind that indices start at 0. 使用一维数组,我们可以根据给定元素的位置对其进行索引,记住索引从0开始。 With two-dimensional arrays, the first index specifies the row of the array and the second index 对于二维数组,第一个索引指定数组的行,第二个索引指定行 specifies the column of the array. 指定数组的列。 This is exactly the way we would index elements of a matrix in linear algebra. 这正是我们在线性代数中索引矩阵元素的方法。 We can also slice NumPy arrays. 我们还可以切片NumPy数组。 Remember the indexing logic. 记住索引逻辑。 Start index is included but stop index is not,meaning that Python stops before it hits the stop index. 包含开始索引,但不包含停止索引,这意味着Python在到达停止索引之前停止。 NumPy arrays can have more dimensions than one of two. NumPy数组的维度可以多于两个数组中的一个。 For example, you could have three or four dimensional arrays. 例如,可以有三维或四维数组。 With multi-dimensional arrays, you can use the colon character in place of a fixed value for an index, which means that the array elements corresponding to all values of that particular index will be returned. 对于多维数组,可以使用冒号字符代替索引的固定值,这意味着将返回与该特定索引的所有值对应的数组元素。 For a two-dimensional array, using just one index returns the given row which is consistent with the construction of 2D arrays as lists of lists, where the inner lists correspond to the rows of the array. 对于二维数组,只使用一个索引返回给定的行,该行与二维数组作为列表的构造一致,其中内部列表对应于数组的行。 Let’s then do some practice. 然后让我们做一些练习。 I’m first going to define two one-dimensional arrays,called lower case x and lower case y. 我首先要定义两个一维数组,叫做小写x和小写y。 And I’m also going to define two two-dimensional arrays,and I’m going to denote them with capital X and capital Y. Let’s first see how we would access a single element of the array. 我还将定义两个二维数组,我将用大写字母X和大写字母Y表示它们。让我们先看看如何访问数组中的单个元素。 So just typing x square bracket 2 gives me the element located at position 2 of x. 所以只要输入x方括号2,就得到了位于x的位置2的元素。 I can also do slicing. 我也会做切片。 So
数媒派
2022/12/01
8040
判断某个值是否在多维关联数组中 返回该值的所在的关联数组
public function deep_in_array($value, $array) { foreach($array as $item) { if(!is_array($item)) { if ($item == $value) { return $item; } else { continue; } } i
OwenZhang
2021/12/08
5.2K0
数组中某值是否重复问题
遍历一遍原数组,每遍历到一个数就把其exist对应位置(如遍历到10则exist的第10个位置)的书变为1。
摸鱼的G
2023/02/22
1.5K0
Python中numpy数组的拼接、合并
np.append() np.concatenate() np.stack() np.hstack() np.vstack() np.dstack() 其中最泛用的是第一个和第二个。第一个可读性好,比较灵活,但是占内存大。第二个则没有内存占用大的问题。
全栈程序员站长
2022/07/02
3.2K0
Python数组切片_python print数组
numpy数组切片操作 列表用 [ ] 标识,支持字符,数字,字符串甚至可以包含列表(即嵌套)。,是 python 最通用的复合数据类型。
全栈程序员站长
2022/09/29
2.4K0
Python数组切片_python print数组
jquery判断数组中是否包含某个元素的值_java判断元素是否在数组中
如果arry数组里面存在”C#” 这个字符串则返回该字符串的数组下标,否则返回(不包含在数组中) -1
全栈程序员站长
2022/11/02
5.8K0
Python 数组的切片操作
高级特性 切片操作:对list,tuple元素进行截取操作,非常简便。 L[0:3],L[:3] 截取前3个元素。 L[1:3] 从1开始截取2个元素出来。 L[-1] 取倒数第一个元素出来。 L[-10] 取后10个数 L[10:20] 取前11-20个数 L[:10:2] 取前10个数,每两个取一个 L[::5] 所有数,每5个取一个 L[:] 原样复制一个list tuple,字符串也可以进行切片操作
py3study
2020/01/08
9060
BI技巧丨切片器默认值
PowerBI可以说是BI类软件中最易上手的软件之一了,其低代码的开发环境很大程度上降低了开发的周期和成本。
PowerBI丨白茶
2021/09/04
6260
BI技巧丨切片器默认值
js中如何判断数组中包含某个特定的值_js数组是否包含某个值
array.includes(searchElement[, fromIndex])
全栈程序员站长
2022/09/27
18.5K0
Python数据分析(3)-numpy中nd数组的创建
摘要总结:本文主要介绍了NumPy(Numerical Python)中的一些数据结构和常用函数。主要包括:数组(array)、矩阵(matrix)、数组操作相关函数、矩阵操作相关函数、NumPy的子库numpy.core和numpy.lib等。通过这些函数,我们可以方便地进行数值计算、线性代数、傅里叶变换等操作,是进行科学计算和数据处理的重要工具。
锦小年
2018/01/02
2K0
Python数据分析(3)-numpy中nd数组的创建
在毕设中学习02——numpy多维数组的切片,形态变化,维度交换
[[[ 0. 1. 2. 3. 4.] [ 5. 6. 7. 8. 9.] [10. 11. 12. 13. 14.] [15. 16. 17. 18. 19.]]
全栈程序员站长
2022/09/22
6810
Python 中的默认值是什么?
默认值指示如果在函数调用期间未给出参数值,则函数参数将采用该值。默认值是使用表单关键字名称=值的赋值 (=) 运算符分配的。
很酷的站长
2023/02/25
1.9K0
Python 中的默认值是什么?
Java 中如何判断数组中是否包含某个值?
public static boolean useLoop(String[] arr, String targetValue) { for(String s: arr){ if(s.equals(targetValue)) return true; } return false; }
水货程序员
2018/11/13
5.9K0
numpy.clip使数组中的值保持在一定区间内
给定一个区间范围,区间范围外的值将被截断到区间的边界上。例如,如果指定的区间是 [-1,1],小于-1 的值将变为-1,而大于 1 的值将变为 1。
狼啸风云
2020/12/29
1.9K0
Python Numpy 数组
NumPy(Numeric Python,以numpy导入)是一系列高效的、可并行的、执行高性能数值运算的函数的接口。numpy模块提供了一种新的Python数据结构——数组(array),以及特定于该结构的函数工具箱。该模块还支持随机数、数据聚合、线性代数和傅里叶变换等非常实用的数值计算工具。
smartsi
2019/08/07
2.4K0
如何检查 Java 数组中是否包含某个值 ?
在逛 programcreek 的时候,我发现了一些专注细节但价值连城的主题。比如说:如何检查Java数组中是否包含某个值 ?像这类灵魂拷问的主题,非常值得深入地研究一下。
用户7886150
2021/04/28
9.1K0

相似问题

python numpy数组切片

21

Numpy python数组切片

235

python & numpy:数组切片的总和

42

python字典到numpy数组切片

24

python:一维数组的numpy数组切片

24
添加站长 进交流群

领取专属 10元无门槛券

AI混元助手 在线答疑

扫码加入开发者社群
关注 腾讯云开发者公众号

洞察 腾讯核心技术

剖析业界实践案例

扫码关注腾讯云开发者公众号
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档
查看详情【社区公告】 技术创作特训营有奖征文