快捷導(dǎo)航

numpy的Fancy Indexing和array比較詳解

更新時(shí)間：2020年06月11日 14:21:58 作者：Coding_Now

這篇文章主要介紹了numpy的Fancy Indexing和array比較詳解，文中通過(guò)示例代碼介紹的非常詳細(xì)，對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值，需要的朋友們下面隨著小編來(lái)一起學(xué)習(xí)學(xué)習(xí)吧

一：Fancy Indexing

import numpy as np
 
#Fancy Indexing
x = np.arange(16)
np.random.shuffle(x)
print(x) #打印所有的元素
 
 
print(x[2])#獲取某個(gè)元素的值
print(x[1:3])#切片
print(x[3:9:2])#指定間距切片
 
index = [2,4,7,9] #索引數(shù)組
print(x[index])#獲取索引數(shù)組中的元素的值
 
ind = np.array([[0,2],[1,4]]) #索引二維數(shù)組
print(x[ind])##獲取索引二維數(shù)組中的元素的值
 
print("---------------------")
 
X = x.reshape(4,-1)
print(X)
 
ind1 = np.array([1,3]) #行的索引
ind2 = np.array([2,0]) #列的索引
print(X[ind1,ind2])
 
print(X[:-2,ind2])
 
bool_index = [True,False,True,False] #True就取當(dāng)前列，F(xiàn)alse就不取
print(X[:-1,bool_index])

Fancy Indexing 應(yīng)用在一維數(shù)組

x = np.arange(16) 
x[3] # 3
x[3:9] # array([3, 4, 5, 6, 7, 8])
x[3:9:2] # array([3, 5, 7])
[x[3], x[5], x[7]] # [3, 5, 7]
ind = [3, 5, 7] 
x[ind]  # array([3, 5, 7])
ind = np.array([[0, 2], [1, 3]]) 
x[ind] 
"""
array([[0, 2],
    [1, 3]])
"""

Fancy Indexing 應(yīng)用在二維數(shù)組

X = x.reshape(4, -1) 
"""
array([[ 0, 1, 2, 3],
    [ 4, 5, 6, 7],
    [ 8, 9, 10, 11],
    [12, 13, 14, 15]])
"""
row = np.array([0, 1, 2]) 
col = np.array([1, 2, 3])
# 1行2列，2行3列，3行4列
X[row, col]  # array([ 1, 6, 11])
# 前2行 2,3,4列
X[:2, col] 
"""
array([[1, 2, 3],
    [5, 6, 7]])
"""
col = [True, False, True, True] 
X[0, col]  # array([0, 2, 3])

二：array比較

import numpy as np
 
x = np.arange(16)
print(x)
 
print(x < 3) #返回的是bool數(shù)組
 
print(x == 3)
 
print(x != 3)
 
print(x * 4 == 24 - 4 * x)
 
 
 
print(x + 1)
 
print(x * 2)
 
print(x / 4)
 
print(x - 10)
 
print(np.sum(x<3))#返回小于3的元素個(gè)數(shù)
 
print(np.any(x==0)) #只要向量x中有等于0的就返回true
 
print(np.all(x==0)) #只有向量x中全部等于0才返回true
 
print(x[x<5]) #因?yàn)閤<5返回的是bool數(shù)組，我們?nèi)rue的元素的值
 
 
#二維的同樣支持
print("----------------------")
X = x.reshape(4,-1)
 
print(X)
print(X<3)
print(x == 3)
print(np.sum(X<4))
print(np.count_nonzero(X<5)) #返回X中小于5的不等于0的個(gè)數(shù)
print(np.any(X==0)) #只要向量x中有等于0的就返回true
 
print(np.all(X==0)) #只有向量x中全部等于0才返回true
 
print(np.sum(X<4,axis=1))#沿著列的方向，計(jì)算每行小于4的個(gè)數(shù)
 
print(np.sum((X>3)&(X<10))) #計(jì)算X中大于3并且小于10的個(gè)數(shù)
 
print(np.sum(~(X==0))) #計(jì)算X中不等于0的個(gè)數(shù)
 
print(X[X[:,3]%3==0,:]) #因?yàn)閄[:,3]%3==0返回的是一個(gè)向量，元素為true，false，false，true，所以最后取第一行和最后一行

到此這篇關(guān)于numpy的Fancy Indexing和array比較詳解的文章就介紹到這了,更多相關(guān)numpy Fancy Indexing和array比較內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

您可能感興趣的文章: