python實現(xiàn)在多維數(shù)組中挑選符合條件的全部元素
更新時間：2019年11月26日 09:17:30 作者：Learning_Rate
今天小編就為大家分享一篇python實現(xiàn)在多維數(shù)組中挑選符合條件的全部元素，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧
問題產(chǎn)生：今天在編寫神經(jīng)網(wǎng)絡(luò)的Cluster作業(yè)時，需要根據(jù)根據(jù)數(shù)據(jù)標(biāo)簽用不同的顏色畫出數(shù)據(jù)的分布情況，由此學(xué)習(xí)到了這種高效的方法。
傳統(tǒng)思路：用for循環(huán)來挑選符合條件的元素，這樣十分浪費時間。
代碼示例：
from sklearn.datasets.samples_generator import make_blobs
import numpy as np
import matplotlib.pyplot as plt
#product 20 samples and divide them in 4 different types
X, label_true = make_blobs(n_samples=20,centers=4)
print("Data:{:}".format(X))
print("label_true:{:}".format(label_true))
#eliminate the repeated elements
labels=np.unique(label_true)
print("labels:{:}".format(labels))
#plot
fig = plt.figure()
ax = fig.add_subplot(1, 1, 1)
colors = 'rgbycm'
for index,elem in enumerate(labels):
position=label_true==elem
print("position{:}:{:}".format(index,position))
plt.scatter(X[position,0],X[position,1],label="cluster %d"%elem,color=colors[index%len(colors)])
plt.show()
實驗結(jié)果：
Data:[[ 6.28987299 1.19041843] [ 2.12673463 -1.90647309] [-8.56276424 1.8136798 ] [ 2.42611937 -3.81970786] [ 1.83488662 -3.10733306] [ 6.28320138 -0.24840258] [-6.74802304 1.13642657] [ 2.21681643 6.28894411] [-7.16100601 0.04482262] [ 1.66858847 3.42225284] [ 3.19972789 4.58804196] [-7.37006942 0.57068008] [ 0.52465584 -2.68794047] [ 2.71075921 3.57281778] [ 5.99343237 0.0120798 ] [ 4.28307033 4.28727222] [ 0.73714246 -2.38643522] [ 5.58384782 -0.62066592] [-8.44295576 -0.05933983] [ 5.33991984 1.24833992]] label_true:[0 2 1 2 2 0 1 3 1 3 3 1 2 3 0 3 2 0 1 0] labels:[0 1 2 3] position0:[ True False False False False True False False False False False False False False True False False True False True] position1:[False False True False False False True False True False False True False False False False False False True False] position2:[False True False True True False False False False False False False True False False False True False False False] position3:[False False False False False False False True False True True False False True False True False False False False]
結(jié)果分析：
我們可以看出黃色部分的作用，第一行 position=label_true==elem 的作用是讓position在label_true==elem的位置置為True，反之為False，從而得到的position是一個True和False的集合，
而第三行 X[position,0],X[position,1] 就是選擇為True的位置上的橫坐標(biāo)和縱坐標(biāo)，打印出來。還有點懵?我們用最簡單的數(shù)組來表示
代碼示例
import numpy as np a=np.empty(shape=[0,4], dtype=int) a=np.append(a,[[1,2,3,4],[2,3,4,5],[7,8,9,10]],axis=0) position=[True,False,True] print(a) print(a[position,3])
結(jié)果：
[[ 1 2 3 4] [ 2 3 4 5] [ 7 8 9 10]] [ 4 10]
結(jié)果分析：
顯然這是一個3行4列的矩陣，我們用position得到的是[a[0],a[2]],然后取a[0]和a[2]的第4個元素，則為4和10.
是不是比用for快多了~~
以上這篇python實現(xiàn)在多維數(shù)組中挑選符合條件的全部元素就是小編分享給大家的全部內(nèi)容了，希望能給大家一個參考，也希望大家多多支持腳本之家。
您可能感興趣的文章:
- Python 初始化多維數(shù)組代碼
- python中numpy的矩陣、多維數(shù)組的用法
- python統(tǒng)計多維數(shù)組的行數(shù)和列數(shù)實例
- Python動態(tài)生成多維數(shù)組的方法示例
- Python 實現(xiàn)取多維數(shù)組第n維的前幾位
- Python高級特性——詳解多維數(shù)組切片(Slice)
- 在python中創(chuàng)建指定大小的多維數(shù)組方式
- Python中矩陣創(chuàng)建和矩陣運算方法
- Python矩陣常見運算操作實例總結(jié)
- Python實現(xiàn)的矩陣轉(zhuǎn)置與矩陣相乘運算示例
- python簡單實現(xiàn)矩陣的乘，加，轉(zhuǎn)置和逆運算示例
- Python操作多維數(shù)組輸出和矩陣運算示例
相關(guān)文章
python操作mysql實現(xiàn)一個超市管理系統(tǒng)
超市管理系統(tǒng)有管理員和普通用戶兩條分支,只需掌握Python基礎(chǔ)語法,就可以完成這個項目,下面這篇文章主要給大家介紹了關(guān)于python操作mysql實現(xiàn)一個超市管理系統(tǒng)的相關(guān)資料,需要的朋友可以參考下2022-12-12
matplotlib 對坐標(biāo)的控制,加圖例注釋的操作
這篇文章主要介紹了matplotlib 對坐標(biāo)的控制,加圖例注釋的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
在本篇文章里小編給大家分享的是關(guān)于python中def的作用以及相關(guān)用法，有需要的朋友們可以學(xué)習(xí)下。2020-06-06
最近工作中遇到了打印的需求，通過查找相關(guān)的資料發(fā)現(xiàn)Python中Logger可以很好的實現(xiàn)打印，所以下面這篇文章主要給大家介紹了關(guān)于Python如何實現(xiàn)Logger打印功能的相關(guān)資料，文中通過示例代碼介紹的非常詳細(xì)，需要的朋友可以參考下。2017-09-09
解決pycharm無法識別本地site-packages的問題
今天小編就為大家分享一篇解決pycharm無法識別本地site-packages的問題，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2018-10-10
這篇文章主要介紹了Python中的Classes和Metaclasses詳解,屬于基礎(chǔ)知識中類與對象的概念部分的深入,需要的朋友可以參考下2015-04-04
LyScript?插件默認(rèn)提供了一個get_disasm_code()方法可以直接獲取到指定行數(shù)的反匯編代碼。本文將利用LyScript實現(xiàn)自定義反匯編，感興趣的可以了解一下2022-07-07
今天小編就為大家分享一篇Python遞歸求出列表(包括列表中的子列表)的最大值實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-02-02
caffe的python接口deploy生成caffemodel分類新的圖片
這篇文章主要為大家介紹了caffe的python接口生成deploy文件學(xué)習(xí)以及用訓(xùn)練好的模型（caffemodel）來分類新的圖片示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-06-06
這篇文章主要介紹了python PyTorch預(yù)訓(xùn)練示例,小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-02-02