zoukankan      html  css  js  c++  java
  • python NumPy库学习笔记二

    python NumPy库学习笔记二

    引言

    继续学习numpy库。

    主要内容为NumPy 切片和索引

    NumPy 切片和索引

    ndarray对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。

    ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。

    通过slice()函数进行切片

    slice()函数是内置的函数,slice() 函数实现切片对象,主要用在切片操作函数里的参数传递。

    import numpy as np
    a = np.arange(10)
    s = slice(2,7,2)
    
    print(a)
    [0 1 2 3 4 5 6 7 8 9]
    
    print(a[s])
    [2 4 6]
    

    通过冒号: 以及...进行切片

    也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作:

    import numpy as np
     
    a = np.arange(10)  
    b = a[2:7:2]   # 从索引 2 开始到索引 7 停止,间隔为 2
    print(b)
    # out [2  4  6]
    

    冒号 : 的解释:如果只放置一个参数,如 [2],将返回与该索引相对应的单个元素。如果为 [2:],表示从该索引开始以后的所有项都将被提取。如果使用了两个参数,如 [2:7],那么则提取两个索引(不包括停止索引)之间的项。

    a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
    
    b = a[5]
    
    print(b)
    5
    
    print(a[2:])
    [2 3 4 5 6 7 8 9]
    
    print(a[2:5])
    [2 3 4]
    

    多维数组同样适用上述索引提取方法:

    切片还可以包括省略号 …,来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号,它将返回包含行中元素的 ndarray。

    a = np.array([[1,2,3],[3,4,5],[4,5,6]])
    
    print(a[1:])
    [[3 4 5]
     [4 5 6]]
    
    print (a[...,1])   # 第2列元素
    [2 4 5]
    
    print (a[1,...])   # 第2行元素
    [3 4 5]
    
    print (a[...,1:])  # 第2列及剩下的所有元素
    [[2 3]
     [4 5]
     [5 6]]
    

    冒号切片的用法,有些类似与R语言中的数据框切片的用法。

    NumPy 高级索引

    除了上述介绍的用整数和切片的索引外,数组可以由整数数组索引、布尔索引及花式索引。

    整数数组索引

    使用整数数组进行索引一个已存在的数组,返回一个包含所取元素的 ndarray 对象。

    import numpy as np 
    # 以下实例获取数组中(0,0),(1,1)和(2,0)位置处的元素。
    x = np.array([[1,  2],  [3,  4],  [5,  6]]) 
    y = x[[0,1,2],  [0,1,0]]  
    print (y)
    Out[164]:[1 4 5]
    type(y)
    Out[165]: numpy.ndarray
        
    # 以下实例获取数组4*3数组的四个角的元素。    
    x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])
    rows = np.array([[0,0],[3,3]]) 
    cols = np.array([[0,2],[0,2]]) 
    y = x[rows,cols]
    print (y)
    [[ 0  2]
     [ 9 11]]
    
    type(y)
    Out[169]: numpy.ndarray
    type(rows)
    Out[170]: numpy.ndarray
    
    #结合: 和...进行索引
    a = np.array([[1,2,3], [4,5,6],[7,8,9]])
    b = a[1:3, 1:3]
    c = a[1:3,[1,2]]
    d = a[...,1:]
    print(b)
    print(c)
    print(d)
    

    布尔索引

    布尔索引通过布尔运算(如:比较运算符)来获取符合指定条件的元素的数组。

    # 以下实例获取大于 5 的元素:
    x = np.array([[  0,  1,  2],[  3,  4,  5],[  6,  7,  8],[  9,  10,  11]])  
    print (x[x >  5])
    
    # 以下实例使用了 ~(取补运算符)来过滤 NaN。
    a = np.array([np.nan,  1,2,np.nan,3,4,5])  
    print (a[~np.isnan(a)])
    
    # 以下实例演示如何从数组中过滤掉非复数元素。
    a = np.array([1,  2+6j,  5,  3.5+5j])  
    print (a[np.iscomplex(a)])
    

    花式索引

    花式索引指的是利用整数数组进行索引。

    花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。对于使用一维整型数组作为索引,如果目标是一维数组,那么索引的结果就是对应位置的元素;如果目标是二维数组,那么就是对应下标的行。

    花式索引跟切片不一样,它总是将数据复制到新数组中。

    x=np.arange(32).reshape((8,4))
    print(x)
    [[ 0  1  2  3]
     [ 4  5  6  7]
     [ 8  9 10 11]
     [12 13 14 15]
     [16 17 18 19]
     [20 21 22 23]
     [24 25 26 27]
     [28 29 30 31]]
    
    # 1. 传入顺序索引数组,即取相应的行
    print (x[[4,2,1,7]])
    [[16 17 18 19]
     [ 8  9 10 11]
     [ 4  5  6  7]
     [28 29 30 31]]
    
    # 2. 传入倒序索引数组,即倒着数取相应的行
    print (x[[-4,-2,-1,-7]])
    [[16 17 18 19]
     [24 25 26 27]
     [28 29 30 31]
     [ 4  5  6  7]]
    
    # 3. 传入多个索引数组(要使用np.ix_),即第一个数组是对应的行,第二个数组是对应的列
    print (x[np.ix_([1,5,7,2],[0,3,1,2])])
    [[ 4  7  5  6]
     [20 23 21 22]
     [28 31 29 30]
     [ 8 11  9 10]]
    
  • 相关阅读:
    ubuntu lvm模式进行扩容
    Kickstart Round G 2018
    AtCoder Regular Contest 102 D
    论文阅读 | Clustrophile 2: Guided Visual Clustering Analysis
    Codeforces Round #504 (rated, Div. 1 + Div. 2, based on VK Cup 2018 Final) E. Down or Right
    SQL语句报错:Incorrect string value: 'xE9x98xBFxE6x96xAF...'
    SQL语句报错:You have an error in your SQL syntax; check the manual that corresponds to your MariaDB server version for the right syntax to use near
    WAMP集成环境虚拟路径修改
    L2-025 分而治之(图)
    L2-024 部落(并查集)
  • 原文地址:https://www.cnblogs.com/songbiao/p/12498705.html
Copyright © 2011-2022 走看看