前言
索引和切片是NumPy中最重要最常用的操作。熟練使用NumPy切片操作是數(shù)據(jù)處理和機(jī)器學(xué)習(xí)的前提,所以一定要掌握好。
參考NumPy官方文檔,總結(jié)NumPy索引和切片,可以看到它們相比Python更加方便、簡(jiǎn)介和強(qiáng)大。
索引和切片
您可以使用與切片 Python列表相同的方法,對(duì)NumPy數(shù)組進(jìn)行索引和切片。
>>> data = np.array([1, 2, 3])
>>> data[1]
2
>>> data[0:2]
array([1, 2])
>>> data[1:]
array([2, 3])
>>> data[-2:]
array([2, 3])
你可以這樣想象:
您可能需要獲取數(shù)組的一部分或特定數(shù)組元素,以便在進(jìn)一步分析或其他操作中使用。為此,需要對(duì)數(shù)組進(jìn)行子集、切片和/或索引。
如果您想從數(shù)組中選擇滿足特定條件的值,那么NumPy很簡(jiǎn)單。
例如,如果從這個(gè)數(shù)組開始:
>>> a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
可以輕松打印數(shù)組中小于5的所有值。
>>> print(a[a 5])
[1 2 3 4]
例如,還可以選擇等于或大于5的數(shù)字,并使用該條件對(duì)數(shù)組進(jìn)行索引。
>>> five_up = (a >= 5)
>>> print(a[five_up])
[ 5 6 7 8 9 10 11 12]
可以選擇可被2整除的元素:
>>> divisible_by_2 = a[a%2==0]
>>> print(divisible_by_2)
[ 2 4 6 8 10 12]
或者可以使用和|運(yùn)算符選擇滿足兩個(gè)條件的元素:
>>> c = a[(a > 2) (a 11)]
>>> print(c)
[ 3 4 5 6 7 8 9 10]
還可以使用邏輯運(yùn)算符和 |返回布爾值,指定數(shù)組中的值是否滿足特定條件。這對(duì)于包含名稱或其他分類值的數(shù)組很有用。
>>> five_up = (a > 5) | (a == 5)
>>> print(five_up)
[[False False False False]
[ True True True True]
[ True True True True]]
還可以使用np.nonzero()從數(shù)組中選擇元素或索引。
從這個(gè)數(shù)組開始:
>>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
可以使用np.nonzero()打印元素的索引,例如,小于5:
>>> b = np.nonzero(a 5)
>>> print(b)
(array([0, 0, 0, 0]), array([0, 1, 2, 3]))
在本例中,返回了一個(gè)數(shù)組元組:每個(gè)維度一個(gè)。第一個(gè)數(shù)組表示找到這些值的行索引,第二個(gè)數(shù)組表示找到這些值的列索引。
如果要生成元素所在的坐標(biāo)列表,可以壓縮數(shù)組,遍歷坐標(biāo)列表,然后打印它們。例如:
>>> list_of_coordinates= list(zip(b[0], b[1]))
>>> for coord in list_of_coordinates:
... print(coord)
(0, 0)
(0, 1)
(0, 2)
(0, 3)
還可以使用np.nonzero()打印數(shù)組中小于5的元素,并使用:
>>> print(a[b])
[1 2 3 4]
如果要查找的元素在數(shù)組中不存在,則返回的索引數(shù)組將為空。例如:
>>> not_there = np.nonzero(a == 42)
>>> print(not_there)
(array([], dtype=int64), array([], dtype=int64))
總結(jié)
到此這篇關(guān)于NumPy索引與切片用法的文章就介紹到這了,更多相關(guān)NumPy索引與切片內(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:- numpy中索引和切片詳解
- python numpy數(shù)組的索引和切片的操作方法
- NumPy 基本切片和索引的具體使用方法
- 淺析NumPy 切片和索引