02_ndarray的索引_切片_筛选_高阶函数

import numpy as np
print("---------------数组的切片与索引--------------------")
a=np.arange(9)
print(a[1:3:2])
print(a[::-1])
print(a[-3:-2])
print("-------------------多维数组的索引与切片------------------")
a=np.arange(24).reshape((2,3,4))#生成的矩阵分为两层，每一层为三行四列
print(a)
print(a.shape)
print(a.ndim)
print(“第0层，0行，0列:”,a[0,0,0])
print(a[0,0,1])
print(a[1,0,0])
print(a[1,1,3])
#输出第一层所有的元素
print(a[0,:,:])
print(a[0])
print(a[0,…])
print(“第一层,第一行所有元素”)
print(a[0,0])
print(a[0,0,:])
#所有层位于第一列的元素
print(a[:,:,0])
print(a[…,0])
#第一层中所有位于第二列的元素
print(a[0,:,1])
#第一层所有位于最后一列的元素
print(a[0,:,-1])
#每一层的第一行，第三行
print(a[:,[0,2],:])

按行或列求集合

#numpy中的高阶函数 ： 函数的参数是另一个函数
a=np.arange(24).reshape((4,6))
print(a)
print(“整个ndarray的均值”,np.mean(a))
print(“按列求均值：”,np.apply_along_axis(np.mean,axis=0,arr=a))
print(“按行求均值：”,np.apply_along_axis(np.mean,axis=1,arr=a))

筛选

a=np.random.random((4,4))
print(a)
print(a<0.5)
print(a[a<0.5])