本文共 3148 字,大约阅读时间需要 10 分钟。
numpy数组索引是一个大话题,有很多种方式可以让你选中数据中的子集或者某个元素。主要有以下四种方式:
一,基础索引
在一维数组中,你可以使用中括号指定索引获取第i个值(从0开始计数),但是对于多维的数组,每个索引值对应的元素不再是一个数值,例如,在一个二维数组中,将得到一个以为数组。单个元素可以继续索引,或者传递一个索引的列表选择单个元素。
import numpy as nparr = np.arange(9).reshape((3,3))arr[0] # array([0, 1, 2])arr[0][0] # 0arr[0,0] # 0
这种方式获取的数据为原数组的视图,对于视图数值的修改,也会修改原数组数值。
二·,切片索引
numpy切片与Python列表的标准切片语法相同,通过切片可以灵活地得到一个子数组。与基础索引一样,切片索引也是原数组的视图,修改数据也会作用于原数组。
arr[:2,1:]"""array([[1, 2], [4, 5]])"""
切片索引有两个实用的应用:
1,获取数组的单行或者单列。arr[0,:] # array([0, 1, 2]) 获取第1行arr[:,0] # array([0, 3, 6]) 获取第1列
2,数组的逆序。
arr[::-1,::-1] # 对整个数组进行逆序"""array([[6, 7, 8], [3, 4, 5], [0, 1, 2]])"""arr[::-1,:] #行逆序"""array([[6, 7, 8], [3, 4, 5], [0, 1, 2]])"""arr[:,::-1] # 列逆序"""array([[2, 1, 0], [5, 4, 3], [8, 7, 6]])"""
三,布尔索引
布尔索引主要是利用的布尔数组,当数组的比较操作(比如==、>=)也是可以向量化,这些比较运算的结果是一个布尔数据类型的数组。该数组与原数组的长度和形状都是一致,我们可以获取到对应位置为True的值。
bool_arr = arr>3arr[bool_arr] # array([4, 5, 6, 7, 8])
通过布尔索引获得的子数组为副本,修改后不影响原数组。
arr = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])arr2 = arr[ arr>3]arr2 = -1arr"""array([[0, 1, 2], [3, 4, 5], [6, 7, 8]])"""
布尔数组操作
1,统计记录个数
如果需要统计布尔数组中True的个数,可以使用np.count_nonzero函数np.count_nonzero(arr>3) # 5
另一种方法是使用np.sum,False会被解释为0,而True被解释为1。sum()可以沿着行或列求和。
np.sum(arr>3) # 5#每一列中大于3的个数np.sum(arr>3,axis=0) # array([1, 2, 2])
2,快速地检查是否包含True
np.all(arr>3) # False all 全部为True时,返回True,否则返回Falsenp.any(arr>3) # True any 至少有一个为True时,返回True,否则返回False# np.all() 和 np.any()也可以沿着特定的轴。 np.all(arr>7,axis=0) # array([False, False, False])np.any(arr>7,axis=0) # array([False, False, True])
3,python中的关键字and 和 or 对布尔数组不起作用,需要使用逐位逻辑运算符(&,|,^)
当使用 and 或者 or 时,就等于让python将整个数组当作布尔对象; 当使用 & 或者 | 时,表达式操作的是数组中的元素,每个元素逐位运算。# 每个元素逐位逻辑运算a = np.array([1,0,1,1,0],dtype=bool)b = np.array([1,0,1,1,0],dtype=bool)a & b # array([ True, False, True, True, False])
a = np.array([1,0,1,1,0],dtype=bool)b = np.array([1,0,1,1,0],dtype=bool)a and b ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()
a and b 之所以报错,是因为,无法知道a和b整个数组,分别是Ture还是False。没法进行and运算,可以使用np.all() 或者 np.any()对整个数组进行判断。
a = np.array([1,0,1,1,0],dtype=bool)b = np.array([1,0,1,1,0],dtype=bool)np.all(a) and np.any(b) # False
四,数组索引
数组索引在概念上很简单,通过一个数组来一次性获取多个元素,
arr[[1,2]]"""array([[3, 4, 5], [6, 7, 8]])"""arr[[1,2],[0,1]]# array([3, 7]) 分别获取[1,0],[2,1]
在使用数组索引时,有两个点需要注意:
1,使用数组索引,结果的形状不是与被索引的数组的形状一致。arr.shape # (3, 3)ind = np.array([[0,2],[1,2]]) arr[ind].shape # (2, 2, 3)
2,操作重复的索引可以会产生一些出乎意料的结果。
x = np.zeros(10)x[[0,0]] = [4,6]
上面的代码执行后,x的结果为array([6., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
这里会有疑问,4去哪里了?其实上面的代码等同于赋值两次。A=1A,A = 2,3A # 3
A=2,然后A=3,所以最后结果为3。
继续设想以下操作:
x = np.zeros(10)x[[0,0]] +=1x[0] # 1
按照之前的想法,x[0]的输出结果应该的2,然而结果却是1。x[[0,0]] +=1其实可以拆开为:x[0],x[0] = x[0]+1,x[0]+1 ,换个简单的例子:
a = 1a,a=a+1,a+1print("a="+str(a))
a的结果为2,a,a=a+1,a+1的指向步骤是: 1,先计算等号右边的结果,(2,2) 2,将右边的结果赋给左边:a=2,a=2。
在看一个例子:
a = 1b = 2a,a=b,a+bprint("a="+str(a))
a的结果为3,a,a=b,a+b的指向步骤是: 1,先计算等号右边的结果,(2,3) 2,将右边的结果赋给左边:a=2,a=3。
numpy数组索引真的是一个大话题,可以引申出许多东西的,还可以将四种方式混合使用,只要知道每种方式的特点,混合使用也不是问题。如有错误,欢迎留言指出。
参考:《Python数据科学手册》
转载地址:https://blog.csdn.net/yangjjuan/article/details/105375026 如侵犯您的版权,请留言回复原文章的地址,我们会给您删除此文章,给您带来不便请您谅解!