python numpy学习(三)
花式索引
切片只能支持连续或者等间隔的切片操作,要想实现任意位置的操作,需要使用花式索引fancy slicing.
一维花式索引
与range函数类似,我们可以使用arange函数来生成等差数列。
a=np.arange(0,100,10)
a
array([0, 10, 20, 30, 40, 50, 60, 70, 80, 90])
花式索引需要指定索引位置:
index=[1,2,-3]
y=a[index]
print(y)
[10 20 70]
使用布尔数组进行花式索引:
mask=np.array([0,2,2,0,0,1,0,0,1,0],dtype=bool)
mask
array([False, True, True, False, False, True, False, False, True, False],dtype=bool)
mask必须是布尔数组,长度必须和数组长度相等。
a[mask]
array([10, 20, 50, 80])
二维花式索引
对于二维化石索引,我们需要给定行和列的值:
a=np.array([0,1,2,3,4,5],[10,11,12,13,14,15],[20,21,22,23,24,25],[30,31,32,33,34,35],[40,41,42,43,44,45],[50,51,52,53,54,55])
array([[ 0, 1, 2, 3, 4, 5],
[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[30, 31, 32, 33, 34, 35,],
[40, 41, 42, 43, 44, 45,],
[50, 51, 52, 53, 54, 55,])
返回的是一个一条次对角线上的5个值:
a[(0,1,2,3,4),(1,2,3,4,5)]
array([1, 12, 23, 34, 45])
返回的是最后三行的第1,3,5,列:
a[(3:),([0,2,4])]
array([[30, 32, 34],
[40, 42, 44],
[50, 52, 54]])
也可以使用mask进行索引:
mask=np.array([1,0,1,0,0,1],dtype=bool)
a[mask,2]
array([ 2, 22, 52])
与切片不同,花式索引返回的是原对象的一个复制而不是引用。
“不完全”索引
只给定行索引的时候,返回整行:
y=a[3]
y
array([[ 0, 1, 2, 3, 4, 5],
[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25]])
也可以使用花式索引取出2,3,5行:
con=np.array([0,1,1,0,1,0],dtype=bool)
a[con]
array([[10, 11, 12, 13, 14, 15],
[20, 21, 22, 23, 24, 25],
[40, 41, 42, 43, 44, 45]])
where语句
a=np.array([0,12,5,20])
判断数组中的元素是否大于10:
a>10
array([False, True, False, True],dtype=bool)
数组中所有大于10的元素的索引位置:
np.where(a>10)
(array([1,3],dtype=int64),)
注:where的返回值是一个元组。
也可以用数组操作:
a[a>10]
array([12,20])
a[np.where(a>10)]
array([12,20])