一、Numpy-5.索引和切片

"""
    索引：
        1.一维数组的索引和Python的列表的功能差不多
        2.对于高维数组，各索引位置上的元素不再是标量，而是相应的n维数组

        获取其中的元素可以使用【以逗号隔开的索引列表】来选取
"""

import numpy as np

arr_1 = np.array([[1, 2, 3, 4], [5, 6, 7, 8]])
print(arr_1)
print(arr_1[0])  # [1 2 3 4]
print(arr_1[0, 1])  # 2

"""
    切片：
        着重多维数组，以二维数组为例：
"""

arr_2 = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
print(arr_2[:2])
"""
[[1 2 3 4]
 [5 6 7 8]]
"""
print(arr_2[:, :2])
"""
[[ 1  2]
 [ 5  6]
 [ 9 10]]
"""
print(arr_2[1:3, 1:])
"""
[[ 6  7  8]
 [10 11 12]]
"""

"""
    布尔型索引：
        使用布尔型索引必须要保证【布尔型数组的长度】必须跟被索引的【轴长度】一致，此外，还可以将布尔型数组跟切片、整数（或整数序列）混合使用
        
    布尔值条件：
        三种取值：== !=  ~(取反) 
    
        当要选择多个布尔值条件时，需要使用布尔算术运算符，如&和|，Python的关键字and和or对布尔值数组并没有用，请使用&和|来代替
    
    注意：当时用布尔值索引选择数据时，总是生成数据的拷贝，即时返回的数组并没有任何变化
"""
import numpy as np

names = np.array(["Bob", "Joe", "Will", "Bob", "Will", "Joe", "Joe"])
data = np.random.randn(7, 4)
print(names)
print(names == "Bob")  # 取names=="Bob"的布尔型数据
print(data)
print(data[names == "Bob"])  # 取为True的数据
print(data[names == "Bob", 2:])
print(data[names != "Bob"])
cond = names == "Bob"
print(data[~cond])

'''
    基于常识来设置布尔值数组的值也是可行的
'''
# 将data中所有的负值设为0
data[data < 0] = 0
print(data)
"""
    利用一维布尔值数组对每一行或每一列设置数值也是可以的
"""
data[names != "Bob"] = 7
print(data)