Python Numpy学习之索引及切片的使用方法

目录
  • 1. 索引及切片
  • 2. 高级索引

1. 索引及切片

数组中的元素可以通过索引以及切片的手段进行访问或者修改，和列表的切片操作一样。

下面直接使用代码进行实现，具体操作方式以及意义以代码注释为准：

（1）通过下标以及内置函数进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

a = np.arange(10)#创建一个从0-9的一维数组
print(a)
i = slice(2, 7, 2)#从2开始到7结束，每隔1个元素进行索引，即start为1，stop为7，step为2
print(a[i])

得到的输出如下：

（2）使用冒号分隔参数进行切片索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:7:2])#将起始、结束、步长使用冒号进行分割，表示索引切片

得到的输出如下：

（3）对部分元素进行索引并切片

a. 切取中间的一段

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

a = np.arange(10)#创建一个从0-9的一维数组
print(a[2:5])#从2-5进行切片

得到输出如下：

b. 切取某一个元素后的全部

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

a = np.arange(10)#创建一个从0-9的一维数组
print(a[3:])#从3开始进行打印，直到打印完整个数组

得到输出如下：

（4）对多维数组进行索引切片

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print('从数组索引a[2:]处开始切片：')
print(b[2:])
print('数组第二列进行切片：')
print(b[..., 2])
print('数组第二行进行切片：')
print(b[2, ...])
print('从第二列开始切片：')
print(b[..., 1:])

得到输出如下：

2. 高级索引

（1）整数数组索引

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

b = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
c = b[[1, 0], [1, 0]]
print('对数组(1，1)和(0，0)处的元素进行索引切片：')
print(c)

得到输出如下：

（2）布尔索引

通过一个布尔数组来索引目标数组，布尔数组可以通过布尔运算得到符合条件的数组元素。

如下我们可以提取一个数组中不小于5的数：

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

a = np.array([[1, 2, 3, 5], [6, 9, 2, 0], [9, 3, 2, 7]])
print('数组中不小于5的数如下：')
print(a[a >= 5])

得到输出如下：

（3）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下标的行，如果目标是二维数组，那么就是对应位置的元素。花式索引跟切片不一样，它总是将数据复制到新数组中。

"""
Author:XiaoMa
date:2021/12/30
"""
import numpy as np

x = np.arange(32).reshape((8, 4))
print('生成的数组为：')
print(x)
print('传入顺序索引数组：')
print(x[[4, 2, 1, 7]])
print('传入倒序索引数组：')
print(x[[-4, -2, -1, -1]])
print('传入多个索引数组：')
print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])#输出的是两个向量不同维度组合的值

得到输出如下：

到此这篇关于Python Numpy学习之索引及切片的使用方法的文章就介绍到这了,更多相关Python Numpy索引 切片内容请搜索我们以前的文章或继续浏览下面的相关文章希望大家以后多多支持我们！

赞 (0)

相关推荐

  • NumPy索引与切片的用法示例总结

    NumPy索引与切片的用法示例总结

    前言 索引和切片是NumPy中最重要最常用的操作.熟练使用NumPy切片操作是数据处理和机器学习的前提,所以一定要掌握好. 参考NumPy官方文档,总结NumPy索引和切片,可以看到它们相比Python更加方便.简介和强大. 索引和切片 您可以使用与切片 Python列表相同的方法,对NumPy数组进行索引和切片. >>> data = np.array([1, 2, 3]) >>> data[1] 2 >>> data[0:2] array([1,

  • numpy中索引和切片详解

    numpy中索引和切片详解

    索引和切片 一维数组 一维数组很简单,基本和列表一致. 它们的区别在于数组切片是原始数组视图(这就意味着,如果做任何修改,原始都会跟着更改). 这也意味着,如果不想更改原始数组,我们需要进行显式的复制,从而得到它的副本(.copy()). import numpy as np #导入numpy arr = np.arange(10) #类似于list的range() arr Out[3]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) arr[4] #索引(注意是从

  • 浅析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. import numpy as np a = np.arange(10) s = slice(2,7,2) # 从索引 2 开始到索引 7 停止,间隔为2 print (a[s]) 输出结果为: [2 4 6

  • python numpy数组的索引和切片的操作方法

    NumPy - 简介 NumPy 是一个 Python 包. 它代表 "Numeric Python". 它是一个由多维数组对象和用于处理数组的例程集合组成的库. Numeric,即 NumPy 的前身,是由 Jim Hugunin 开发的. 也开发了另一个包 Numarray ,它拥有一些额外的功能. 2005年,Travis Oliphant 通过将 Numarray 的功能集成到 Numeric 包中来创建 NumPy 包. 这个开源项目有很多贡献者. NumPy 操作 使用Nu

  • NumPy 基本切片和索引的具体使用方法

    索引和切片是NumPy中最重要最常用的操作.熟练使用NumPy切片操作是数据处理和机器学习的前提,所以一定要掌握好. 文档:https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html 索引 ndarrays可以使用标准Python x[obj]语法对其进行索引 ,其中x是数组,obj是选择方式.有三种可用的索引:字段访问,基本切片,高级索引.究竟是哪一个取决于obj. 注意 在Python中,x[(exp1, exp2, ...

  • Python Numpy学习之索引及切片的使用方法

    Python Numpy学习之索引及切片的使用方法

    目录 1. 索引及切片 2. 高级索引 1. 索引及切片 数组中的元素可以通过索引以及切片的手段进行访问或者修改,和列表的切片操作一样. 下面直接使用代码进行实现,具体操作方式以及意义以代码注释为准: (1)通过下标以及内置函数进行索引切片 """ Author:XiaoMa date:2021/12/30 """ import numpy as np a = np.arange(10)#创建一个从0-9的一维数组 print(a) i = sl

  • Python numpy ndarray属性,索引,切片

    目录 一.ndarray 的重要属性 二.切片 1. 一维切片 1. 二维切片 三.索引 1. 一维数组索引 2. 二维数组索引 3. 布尔索引 4. 非运算 5. 或运算 6. 与运算 一.ndarray 的重要属性 dtype属性:返回ndarray数组的数据类型,数据类型的种类. ndim属性:返回数组维度的数量. shape属性:返回数组对象的尺度,对于矩阵,即n行m列,shape是一个元组(tuple). size属性:返回用来保存元素的数量,相当于shape中n×m的值. T属性:返

  • python基础知识之索引与切片详解

    目录 基本索引 嵌套索引 切片 numpy.array 索引 一维 numpy.array 索引 二维 pandas Series 索引 pandas DataFrame 索引 填坑 总结 基本索引 In [4]: sentence = 'You are a nice girl'In [5]: L = sentence.split()In [6]: LOut[6]: ['You', 'are', 'a', 'nice', 'girl'] # 从0开始索引In [7]: L[2]Out[7]: '

  • Python NumPy教程之索引详解

    Python NumPy教程之索引详解

    目录 为什么我们需要 NumPy 使用索引数组进行索引 索引类型 基本切片和索引 高级索引 NumPy 或 Numeric Python 是一个用于计算同质 n 维数组的包.在 numpy 维度中称为轴. 为什么我们需要 NumPy 出现了一个问题,当 python 列表已经存在时,为什么我们需要 NumPy.答案是我们不能直接对两个列表的所有元素执行操作.例如,我们不能直接将两个列表相乘,我们必须逐个元素地进行.这就是 NumPy 发挥作用的地方. 示例 #1: # 演示需要 NumPy 的

  • Python Numpy中数据的常用保存与读取方法

    在经常性读取大量的数值文件时(比如深度学习训练数据),可以考虑现将数据存储为Numpy格式,然后直接使用Numpy去读取,速度相比为转化前快很多. 下面就常用的保存数据到二进制文件和保存数据到文本文件进行介绍: 1.保存为二进制文件(.npy/.npz) numpy.save 保存一个数组到一个二进制的文件中,保存格式是.npy 参数介绍 numpy.save(file, arr, allow_pickle=True, fix_imports=True) file:文件名/文件路径 arr:要存

  • Python Numpy 实现交换两行和两列的方法

    numpy应该是一个和常用的包了,但是在百度查了很久,也没有查到如何交换两列(交换两行的有),所以查看了其他的文档,找到了方法. 交换两行 比如a = np.array([[1,2,3],[2,3,4],[1,6,5], [9,3,4]]),想要交换第二行和第三行,看起来很简单,直接写代码: import numpy as np a = np.array([[1,2,3],[2,3,4],[1,6,5], [9,3,4]]) tmp = a[1] a[1] = a[2] a[2] = tmp 运

  • Python Numpy:找到list中的np.nan值方法

    这个问题源于在训练机器学习的一个模型时,使用训练数据时提示prepare的数据中存在np.nan 报错信息如下: ValueError: np.nan is an invalid document, expected byte or unicode string. 刚开始不知道为什么会有这个,后来发现是list中存在nan值 下面是找到nan值的方法: 简单找到: import numpy as np x = np.array([2,3,np.nan,5, np.nan,5,2,3]) for

  • 对python numpy.array插入一行或一列的方法详解

    如下所示: import numpy as np a = np.array([[1,2,3],[4,5,6],[7,8,9]]) b = np.array([[0,0,0]]) c = np.insert(a, 0, values=b, axis=0) d = np.insert(a, 0, values=b, axis=1) print(c) print(d) >>c [[0 0 0] [1 2 3] [4 5 6] [7 8 9]] >>d [[0 1 2 3] [0 4 5

  • TensorFlow索引与切片的实现方法

    索引与切片在Tensorflow中使用的频率极其高,可以用来提取部分数据. 1.索引 在 TensorFlow 中,支持基本的[

随机推荐