ind = [3,5,8]
x[ind]就可以返回对应索引的值,
亦可以穿二维
也可以
x[row,col]
比如
x[[0,1,2],[1,2,3]]
或者x[0,[1,2,3]]
或者x[:2,[1,2,3]]
如果是布尔值
就是对应的值,True是出现,False就是没
布尔数组很重要,比如比较
x<3
就出的是布尔数组
我们可以结合加减乘除获得更加复杂的逻辑
比如2*x == 24-4*x
可以返回可以的元素
或者用np.sum(x<3)返回符合的个数
np.count_nonzero(x<=3)
是否有任何非0
np.any(x==0)
所有true才会返回true
np.all(x>=0)
np.sum(X%2 == 0 ,axis=1)
每一行多少偶数
np.sum((x>3)&(x<10))
就是切
注意是位运算符,不是条件运算符
如果是条件运算符&&那么最终的结果是会报错的
也可以或|
也可以非
np.sum(~(x==0))
取符合条件的子数组
x[x<5]
就出了
我们很多时候不直接操作numpy的数据而是使用Pandas
不过机器学习中都是返回numpy的
所以通常我们用这个