NumPy下的索引与切片的用法

这篇文章主要讲解了“NumPy下的索引与切片的用法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着小编的思路慢慢深入，一起来研究和学习“NumPy下的索引与切片的用法”吧！

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([1,2])
>>>data[1:]
array([2,3])
>>>data[-2:]
array([2,3])

你可以这样想象：

您可能需要获取数组的一部分或特定数组元素，以便在进一步分析或其他操作中使用。为此，需要对数组进行子集、切片和/或索引。

如果您想从数组中选择满足特定条件的值，那么NumPy很简单。

例如，如果从这个数组开始：

>>>a=np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])

可以轻松打印数组中小于5的所有值。

>>>print(a[a<5])
[1234]

例如，还可以选择等于或大于5的数字，并使用该条件对数组进行索引。

>>>five_up=(a>=5)
>>>print(a[five_up])
[56789101112]

可以选择可被2整除的元素：

>>>divisible_by_2=a[a%2==0]
>>>print(divisible_by_2)
[24681012]

或者可以使用&和|运算符选择满足两个条件的元素：

>>>c=a[(a>2)&(a<11)]
>>>print(c)
[345678910]

还可以使用逻辑运算符&和 |返回布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。

>>>five_up=(a>5)|(a==5)
>>>print(five_up)
[[FalseFalseFalseFalse]
[TrueTrueTrueTrue]
[TrueTrueTrueTrue]]

还可以使用np.nonzero()从数组中选择元素或索引。

从这个数组开始：

>>>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，返回了一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。

如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：

>>>list_of_coordinates=list(zip(b[0],b[1]))

>>>forcoordinlist_of_coordinates:
...print(coord)
(0,0)
(0,1)
(0,2)
(0,3)

还可以使用np.nonzero()打印数组中小于5的元素，并使用：

>>>print(a[b])
[1234]

如果要查找的元素在数组中不存在，则返回的索引数组将为空。例如：

>>>not_there=np.nonzero(a==42)
>>>print(not_there)
(array([],dtype=int64),array([],dtype=int64))

感谢各位的阅读，以上就是“NumPy下的索引与切片的用法”的内容了，经过本文的学习后，相信大家对NumPy下的索引与切片的用法这一问题有了更深刻的体会，具体使用情况还需要大家实践验证。这里是恰卡编程网，小编将为大家推送更多相关知识点的文章，欢迎关注！