numpy的Fancy Indexing和array比较详解
更新时间:2020年06月11日 14:21:58 作者:Coding_Now
这篇文章主要介绍了numpy的Fancy Indexing和array比较详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
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])#获取某个元素的值 print(x[1:3])#切片 print(x[3:9:2])#指定间距切片 index = [2,4,7,9] #索引数组 print(x[index])#获取索引数组中的元素的值 ind = np.array([[0,2],[1,4]]) #索引二维数组 print(x[ind])##获取索引二维数组中的元素的值 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就取当前列,False就不取 print(X[:-1,bool_index])
Fancy Indexing 应用在一维数组
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 应用在二维数组
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比较
import numpy as np x = np.arange(16) print(x) print(x < 3) #返回的是bool数组 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的元素个数 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]) #因为x<5返回的是bool数组,我们取true的元素的值 #二维的同样支持 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的个数 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))#沿着列的方向,计算每行小于4的个数 print(np.sum((X>3)&(X<10))) #计算X中大于3并且小于10的个数 print(np.sum(~(X==0))) #计算X中不等于0的个数 print(X[X[:,3]%3==0,:]) #因为X[:,3]%3==0返回的是一个向量,元素为true,false,false,true,所以最后取第一行和最后一行
到此这篇关于numpy的Fancy Indexing和array比较详解的文章就介绍到这了,更多相关numpy Fancy Indexing和array比较内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!
您可能感兴趣的文章:
- Numpy array数据的增、删、改、查实例
- 基于Python Numpy的数组array和矩阵matrix详解
- numpy返回array中元素的index方法
- 对numpy中array和asarray的区别详解
- Python中Numpy ndarray的使用详解
- 对numpy Array [: ,] 的取值方法详解
- python实现list由于numpy array的转换
- 详解将Pandas中的DataFrame类型转换成Numpy中array类型的三种方法
- numpy.ndarray 交换多维数组(矩阵)的行/列方法
- 详谈Python中列表list,元祖tuple和numpy中的array区别
- Python numpy.array()生成相同元素数组的示例
相关文章
python生成可执行exe控制Microsip自动填写号码并拨打功能
这篇文章主要介绍了python生成可执行exe控制Microsip自动填写号码并拨打,在这需要注意一个问题,必须是已经运行Microsip.exe文件,具体实现代码跟随小编一起看看吧2021-06-06解决selenium模块利用performance获取network日志请求报错的问题(亲测有效)
这篇文章主要介绍了解决selenium模块利用performance获取network日志请求报错的问题(亲测有效),本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2023-03-03在python中使用SQLAlchemy查询PostgreSQL视图的流程步骤
作为软件开发人员,查询 PostgreSQL 视图是一项常见任务,使用视图(代表SQL 查询输出的虚拟表)被认为是处理关系数据库时的有效方法,本文介绍如何在 Python 中使用 SQLAlchemy 查询 PostgreSQL 视图,需要的朋友可以参考下2023-09-09
最新评论