numpy.array切片和索引操作
来源:互联网 发布:中国移动互联网数据 编辑:程序博客网 时间:2024/06/03 15:26
基本索引操作
import numpy as nparr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print arr[2]#第2行的数组print arr[0][2]#第0行第2列的值print arr[0, 2] # 普通Python数组不能用,同上
[7 8 9]33
切片操作
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print arr[:]#打印整个3*3数列print arr[:2]#打印0,1行print arr[:1, :2]#打印0行,0,1列
[[1 2 3] [4 5 6] [7 8 9]][[1 2 3] [4 5 6]][[1 2]]
布尔型索引
import numpy as npimport numpy.random as np_randomname_arr = np.array(['Bob', 'Joe', 'Will'])rnd_arr = np_random.randn(3, 3) # 随机3*3数组print name_arr == 'Bob' # 返回布尔数组,元素等于'Bob'为True,否则False。print rnd_arr[name_arr == 'Bob'] # 利用布尔数组选择行,第0行print rnd_arr[name_arr == 'Bob', :2] # 增加限制打印列的范围,第0行 前2列print rnd_arr[~(name_arr == 'Bob')] # 对布尔数组的内容取反,第1,2列print rnd_arr[(name_arr == 'Bob') | (name_arr == 'Will')] # 逻辑运算混合结果rnd_arr[name_arr != 'Joe'] = 7 # 先布尔数组选择行,然后把每行的元素设置为7。print rnd_arr
[[-0.09102884 -0.09452611 1.42854702] [ 2.15963354 0.24216261 -2.26044752] [-0.72741325 -1.085561 0.54600936]][ True False False][[-0.09102884 -0.09452611 1.42854702]][[-0.09102884 -0.09452611]][[ 2.15963354 0.24216261 -2.26044752] [-0.72741325 -1.085561 0.54600936]][[-0.09102884 -0.09452611 1.42854702] [-0.72741325 -1.085561 0.54600936]][[ 7. 7. 7. ] [ 2.15963354 0.24216261 -2.26044752] [ 7. 7. 7. ]]
花式索引(Fancy indexing)
arr = np_random.randn(3, 3) # 随机3*3数组print arrprint arr[[1, -1]]# 打印arr[1],a[-1]行print arr[[0, 1], [0, 1]]#打印a[0, 0],a[1, 1]print arr[[0, 1]][:, [1, 2]]#打印0,1行的1,2列print arr[:2, [1,2]]#同上print arr[np.ix_([0, 1], [1, 2])]#同上,最清楚的写法
[[-0.60100046 -0.16245393 0.04618795] [-0.05029884 -1.43052367 -0.91403785] [-1.445763 -1.4240193 -0.79258699]][[-0.05029884 -1.43052367 -0.91403785] [-1.445763 -1.4240193 -0.79258699]][-0.60100046 -1.43052367][[-0.16245393 0.04618795] [-1.43052367 -0.91403785]][[-0.16245393 0.04618795] [-1.43052367 -0.91403785]]
阅读全文
0 0
- numpy.array切片和索引操作
- numpy之索引和切片
- NumPy 索引,切片和迭代
- 索引,切片和迭代 NumPy
- NumPy数组基本的索引和切片
- Numpy : ndarray切片索引
- numpy 索引array的骚操作
- numpy 切片操作
- numpy数组切片操作
- 【NumPy学习指南】day4 多维数组的切片和索引
- Numpy学习笔记之ndarray的索引和切片
- numpy多为数组和切片的索引
- numpy数组切片与索引
- Numpy 索引切片及reshape方法小结
- numpy数组切片索引的详细讲解
- numpy array操作
- Numpy 笔记(二): 多维数组的切片(slicing)和索引(indexing)
- numpy多维数组的切片操作
- GoTo Point Task
- 支撑双11大促,阿里巴巴敏捷项目管理实践及工具落地
- 快速生成网址二维码
- learn opencv-HDR成像
- golang调用c++dll 获取mac地址,用户名,内存大小
- numpy.array切片和索引操作
- spring学习过程
- centos6修改yum源
- ORACLE 解决死锁问题
- 开始使用scrapy
- ./configure: error: the HTTP rewrite module requires the PCRE library
- 金额转换,阿拉伯数字的金额转换成中国传统的形式:
- Metalink Note:中文文档列表
- 大数据1的思考