Numpy学习笔记（八）数组索引与切片

最新推荐文章于 2024-04-27 07:52:06 发布

jia666666

最新推荐文章于 2024-04-27 07:52:06 发布

阅读量417

点赞数

分类专栏： numpy学习笔记文章标签： python numpy 索引切片计数

本文链接：https://blog.csdn.net/jia666666/article/details/115082968

版权

numpy学习笔记专栏收录该内容

9 篇文章 4 订阅

订阅专栏

这篇博客深入介绍了NumPy库中的数组索引、切片、排序和搜索计数等基本操作。通过示例展示了如何获取数组特定索引的值、进行二维数组切片以及如何对数组进行排序，并探讨了搜索最大最小值、非零元素索引及计数的方法。这些内容对于理解和运用NumPy处理数据至关重要。

摘要由CSDN通过智能技术生成

数组索引

import numpy as np

#TODO 1 数组索引

a = np.arange(10)  # 生成一维数组 0-9
print(a)
'''[0 1 2 3 4 5 6 7 8 9]'''
print(a[1]) #获取索引值为 1 的数据。
'''1'''
print(a[[1, 2, 3]]) #获取索引值为 1,2,3 的数据。
'''[1 2 3]'''

a = np.arange(20).reshape(4, 5) #生成4行5列二维数组
print(a)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]'''
print(a[1,2]) #获取第二行，第三列的数据
'''7'''
#比较与列表的区别
b=a.tolist()
print(b[1][2])#获取第二行，第三列的数据
'''7'''

数组切片

'和list 切片操作是一样的,[起始索引:截至索引:步长]'

import numpy as np

a = np.arange(10) #一维
print(a)
'''[0 1 2 3 4 5 6 7 8 9]'''
print(a[1:5])
'''[1 2 3 4]'''
print(a[0:-1:2])
'''[0 2 4 6 8]'''

a = np.arange(20).reshape(4, 5)#二维
print(a)
'''
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]'''
print(a[0:3, 2:4]) #（行切片，列切片）
'''
[[ 2  3]
 [ 7  8]
 [12 13]]
'''

排序

"""
numpy.sort方法对多维数组元素进行排序。其方法为：
    numpy.sort(a, axis=-1, kind='quicksort', order=None)
    a：数组。
    axis：要排序的轴。如果为None，则在排序之前将数组铺平。默认值为 -1，沿最后一个轴排序。
    kind：{'quicksort'，'mergesort'，'heapsort'}，排序算法。默认值为 quicksort


numpy.lexsort(keys ,axis)：使用多个键进行间接排序。
numpy.argsort(a ,axis,kind,order)：沿给定轴执行间接排序。
numpy.msort(a)：沿第 1 个轴排序。
numpy.sort_complex(a)：针对复数排序。
"""

import numpy as np
a = np.random.rand(20).reshape(4, 5)
# print(a)
print(np.sort(a))
'''
[[0.16084851 0.46068528 0.54154642 0.919661   0.94382193]
 [0.11625906 0.26092216 0.40612362 0.69805412 0.92098232]
 [0.65406008 0.66565906 0.70732966 0.77505101 0.97876487]
 [0.11915551 0.50262157 0.58882585 0.72087149 0.82008241]]
'''

搜索与计数

'''
argmax(a ,axis,out)：返回数组中指定轴的最大值的索引。
nanargmax(a ,axis)：返回数组中指定轴的最大值的索引,忽略 NaN。
argmin(a ,axis,out)：返回数组中指定轴的最小值的索引。
nanargmin(a ,axis)：返回数组中指定轴的最小值的索引,忽略 NaN。
argwhere(a)：返回数组中非 0 元素的索引,按元素分组。
nonzero(a)：返回数组中非 0 元素的索引。
flatnonzero(a)：返回数组中非 0 元素的索引,并铺平。
where(条件,x,y)：根据指定条件,从指定行、列返回元素。
searchsorted(a,v ,side,sorter)：查找要插入元素以维持顺序的索引。
extract(condition,arr)：返回满足某些条件的数组的元素。
count_nonzero(a)：计算数组中非 0 元素的数量。
'''

import numpy as np
a = np.random.randint(0, 10, 20)
print(a)
'''[4 2 0 9 4 6 2 6 5 6 9 9 5 5 8 8 7 9 2 7]'''
print(np.argmax(a)) #返回最大值的索引
'''3'''
print(np.argmin(a)) #返回最小值的索引
'''2'''
print(np.nonzero(a)) #返回不为0的索引
'''(array([ 0,  1,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15, 16, 17,
       18, 19], dtype=int64),)'''
print(np.count_nonzero(a))#返回不为0的数目
'''19'''
print(np.extract(a>3,a)) #返回a中元素大于3的数组
'''[4 9 4 6 6 5 6 9 9 5 5 8 8 7 9 7]'''
print(np.where(a>5)) #返回a中元素大于5所在的索引
'''(array([ 3,  5,  7,  9, 10, 11, 14, 15, 16, 17, 19], dtype=int64),)'''