numpy的Fancy Indexing和array比较

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])

 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