06. numpy-数组的索引切片和遍历

和Python里的列表类似，NumPy里的ndarray也支持索引和下标操作数据。

索引

• 可以直接使用下标来获取和修改数组里的数据。

  na1 = np.array([8, 4, 9, 1, 7])
  # 一维数组可以直接使用下标获取指定位置上的元素
  na1[0]  # 8
  na1  # [8 4 9 1 7]
  
  na1[0] = 10  # 可以通过下标来修改元素
  na1  # array([10,  4,  9,  1,  7])
  
  na2 = np.random.randint(3, 10, size=(3, 5, 2))
  # 多维数组有两种方式获取指定位置上的元素
  print(na2[1][1][0])
  print(na2[1,1,0])
  
  na2[1,3,0] = 12 # 多维数组也可以通过下标来修改指定位置上的元素
  

  a = np.random.randint(3,10,size=(5,3))  # 生成一个5行3列的数组
  a 
  # array([[8, 3, 9],
  #        [6, 5, 4],
  #        [3, 6, 3],
  #        [6, 4, 3],
  #        [7, 4, 4]])
  # 利用下标取出第3行，第2列的数字6
  a[2][1]  # 6
  a[2,1]  # 这种写法也可以
  
  b = np.array([[1,0],[2,2]])
  a[b]
  # array([[[6, 5, 4],
  #         [8, 3, 9]],
  #
  #        [[3, 6, 3],
  #         [3, 6, 3]]])
  b = np.array([True, False, True, True, False])
  # True取值，False不取值
  a[b]
  # array([[8, 3, 9],
  #        [3, 6, 3],
  #        [6, 4, 3]])
  x = a > 6
  # 取出所有大于 6 的值
  a[x]
  # array([8, 9, 7])

   

• 传入一个ndarray对象作为索引。

  a = np.arange(3, 20)
  i = np.array([2, 9, 10, 13])
  print(a)
  print(a[i])
  j = np.array([[2, 5], [7, 10]])
  print(a[j])
  

   

• 传入一个布尔类型元素的ndarray对象进行索引。True表示选择，False表示不选择

  x = np.arange(5)
  y = np.array([True,False,True,True,False])
  print(x[y])
  

  切片

na = np.arange(10)
print(na[2:10])
print(na[6:-2])
print(na[5::2])
print(na[::-1])

b = np.random.randint(3,21,size=(5,4,6))
print(b[:,:2,3:0:-1])

 

a = np.array([[1,2,3],[3,4,5],[4,5,6],[5,6,7],[6,7,8]])
a[2:4]
# array([[4, 5, 6],
#        [5, 6, 7]])

a[2:4,0:1]
# array([[4],
#        [5]])

a[2:4,2:0:-1]
# array([[6, 5],
#        [7, 6]])

遍历

和列表类似，ndarray对象也可以进行遍历。

nums = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])  # 多维数组需要使用多层for循环进行遍历
for row in nums:
    for cell in row:
        print(cell)  # 遍历数据，把一个个数据打印出来

for data in np.nditer(nums):  # 还可以使用 numpy 里自带的 nditer 类直接对数据进行遍历
    print(data)

for cell in np.nditer(a,order='F'):  # order='C' 横向取数  order='F'纵向取数
    print(cell)