您的位置:首页 > 编程语言 > Python开发

初探numpy——切片和索引

2020-06-29 09:41 148 查看

精选30+云产品,助力企业轻松上云!>>>

切片

import numpy as np

# 使用切片参数start:stop:step来进行切片操作
a_array=np.arange(10)
print(a_array,'\n')

b_array=a_array[1:10:2]
print(b_array,'\n')

c_array=a_array[2:]
print(c_array,'\n')

d_array=a_array[:5]
print(d_array)
[0 1 2 3 4 5 6 7 8 9]

[1 3 5 7 9]

[2 3 4 5 6 7 8 9]

[0 1 2 3 4]
# 多维数组切片操作

a_array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a_array,'\n')

# 从a_array[n:]开始切割
print(a_array[1:],'\n')

# 第n列元素
print(a_array[...,0],'\n')

# 第n行元素
print(a_array[1,...],'\n')

# 第n列及剩下的所有元素
print(a_array[...,1:],'\n')

# 第n行及剩下的所有元素
print(a_array[1:,...])
[[1 2 3]
[4 5 6]
[7 8 9]]

[[4 5 6]
[7 8 9]]

[1 4 7]

[4 5 6]

[[2 3]
[5 6]
[8 9]]

[[4 5 6]
[7 8 9]]

numpy高级索引

# 整数数组索引

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'\n')

#获取(0,0),(1,1),(2,2)处的元素
print(array[[0,1,2],[0,1,2]],'\n')

#获取(0,0),(0,2),(2,0),(2,2)处的元素
print(array[np.array([[0,0],[2,2]]),np.array([[0,2],[0,2]])])
[[1 2 3]
[4 5 6]
[7 8 9]]

[1 5 9]

[[1 3]
[7 9]]
# 切片

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'\
e88
n')

print(array[0:2,0:2],'\n')

print(array[...,0:2])
[[1 2 3]
[4 5 6]
[7 8 9]]

[[1 2]
[4 5]]

[[1 2]
[4 5]
[7 8]]
# 布尔索引

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'\n')

#获取大于3的元素
print(array[array>3])
[[1 2 3]
[4 5 6]
[7 8 9]]

[4 5 6 7 8 9]
# 花式索引

array=np.arange(25).reshape(5,5)
print(array,'\n')

#获取第1,2,3行元素
print(array[[1,2,3]],'\n')

#获取后三行元素
print(array[[-1,-2,-3]])
[[ 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]]

[[ 5  6  7  8  9]
[10 11 12 13 14]
[15 16 17 18 19]]

[[20 21 22 23 24]
[15 16 17 18 19]
[10 11 12 13 14]]
# 还是花式索引

array=np.arange(25).reshape(5,5)
print(array,'\n')

# 先选取行,再将列排序
print(array[[2,1,3]][:,[2,3,1,4,0]],'\n')

# 用numpy.ix_()函数,输入两个数组,产生笛卡尔积的映射关系
print(array[np.ix_([2,1,3],[2,3,1,4,0])])
[[ 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]]

[[12 13 11 14 10]
[ 7  8  6  9  5]
[17 18 16 19 15]]

[[12 13 11 14 10]
[ 7  8  6  9  5]
[17 18 16 19 15]]
内容来自用户分享和网络整理,不保证内容的准确性,如有侵权内容,可联系管理员处理 点击这里给我发消息
标签:  numpy