Numpy使用3

来源：互联网发布：淘宝首页资源位编辑：程序博客网时间：2024/05/01 08:24

上一篇博客介绍了numpy的几种初始化方式和numpy的数据类型（dtype）和shape的相关知识，这篇介绍numpy矩阵的索引与切片

矢量化

numpy数组有一个很好的特性就是支持vectorization，大小相同的数组做任何操作将在元素级别进行运算，这意味着我们可以像使用matlab那样对数据进行操作

In [46]: a = np.array([[1,2,4],[3,5,6]])In [47]: b = np.array([[2,3,7],[4,5,7]])In [48]: a+bOut[48]: array([[ 3,  5, 11],       [ 7, 10, 13]])In [49]: a*bOut[49]: array([[ 2,  6, 28],       [12, 25, 42]])In [50]: a * aOut[50]: array([[ 1,  4, 16],       [ 9, 25, 36]])In [51]:

广播

numpy还有一个很好的特性就是支持broadcasting，数组与标量的运算也将映射到元素级

In [51]: 1 + aOut[51]: array([[2, 3, 5],       [4, 6, 7]])In [52]: 2 * a  + 3 *bOut[52]: array([[ 8, 13, 29],       [18, 25, 33]])In [53]:

索引与切片

（1）一维数组

很简单，就和普通的数组几乎一样

In [55]: cOut[55]: array([1, 4, 5, 2, 6, 7])In [56]: c[3]  # 下标访问Out[56]: 2In [57]: c[2:4]  # 切片也是个数组Out[57]: array([5, 2])In [58]: c[2:4] = 8  # 连续赋值支持broadcastingIn [59]: cOut[59]: array([1, 4, 8, 8, 6, 7])In [60]:

（2）多维数组

多维数组可做的事情很多，索引下标是维度较低的数组，我们以三维数组为例说明

<1> 基本的索引

In [60]: d = np.ones((3,4,4), dtype=np.int16)In [61]: dOut[61]: array([[[1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1]],       [[1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1]],       [[1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1],        [1, 1, 1, 1]]], dtype=int16)In [62]: d += 4In [63]: d  Out[63]: array([[[5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5]],       [[5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5]],       [[5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5]]], dtype=int16)In [64]: d.shapeOut[64]: (3, 4, 4)  # d是一个三维数组（3*4*4）###########因为数组的维度为三，所以对其索引下标可以为标量或者是2维数组In [65]: d[0]Out[65]: array([[5, 5, 5, 5],       [5, 5, 5, 5],       [5, 5, 5, 5],       [5, 5, 5, 5]], dtype=int16)In [66]: d[0].shape  # d[0]也是个数组，维度为2，大小为4*4Out[66]: (4, 4)In [67]: d[1][1]  # d[1][1]也是个数组，维度为1，大小是4Out[67]: array([5, 5, 5, 5], dtype=int16)In [68]: d[1,1]  # 也可以采用此种索引方法Out[68]: array([5, 5, 5, 5], dtype=int16)In [69]: d[1,1] = 4 # broadcasting式的赋值In [70]: dOut[70]: array([[[5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5]],       [[5, 5, 5, 5],        [4, 4, 4, 4],        [5, 5, 5, 5],        [5, 5, 5, 5]],       [[5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5],        [5, 5, 5, 5]]], dtype=int16)In [71]: d[1,1] = np.array([7,8,9,10])  # 可以相同大小的数组进行赋值In [72]: dOut[72]: array([[[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 7,  8,  9, 10],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]]], dtype=int16)In [73]:

<2> 切片索引

In [73]: dOut[73]: array([[[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 7,  8,  9, 10],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]]], dtype=int16)In [74]: d[:2]  # 冒号前不写表示为0，冒号后不写表示到最后Out[74]: array([[[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 7,  8,  9, 10],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]]], dtype=int16)In [75]: d[1:2, 1:2]Out[75]: array([[[ 7,  8,  9, 10]]], dtype=int16)In [76]: d[1:2, 1:2].shapeOut[76]: (1, 1, 4)In [77]: d[1:2, 1:2] = 12  # 同样的赋值也是broadcasting式的In [78]: dOut[78]: array([[[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [12, 12, 12, 12],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]],       [[ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5],        [ 5,  5,  5,  5]]], dtype=int16)

<3> 布尔型索引

numpy数组还支持布尔型索引

In [80]: f = np.array([[1,3,5],[2,4,6]])In [81]: fOut[81]: array([[1, 3, 5],       [2, 4, 6]])In [82]: f == 4  # 进行元素级别的比较，产生bool数组Out[82]: array([[False, False, False],       [False,  True, False]], dtype=bool)In [83]: f[f==4]  # 选取f中元素数值等于4的Out[83]: array([4])##############如果有多个选取条件，可以使用&\|这样的表达In [84]: mask = (f == 4) | (f == 6) In [85]: f[mask]Out[85]: array([4, 6])

此篇就讲到这，下篇博客继续说

0 0