【python数据分析（3）】 Numpy索引及切片

1. 一维数组索引及切片

import numpy as np
ar = np.arange(20)
print(ar)
print(ar[4])
print(ar[3:6])

–> 输出的结果为：

[ 0  1  2  3  4  5  6  7  8  9 10 11 12 13 14 15 16 17 18 19]
4
[3 4 5]

2. 二维数组索引及切片

ar = np.arange(16).reshape(4,4)
print(ar, '数组轴数为%i' %ar.ndim)   		     # 4*4的数组
print(ar[2],  '数组轴数为%i' %ar[2].ndim)         # 切片为下一维度的一个元素，所以是一维数组
print(ar[2][1]) 							     # 二次索引，得到一维数组中的一个值
print(ar[1:3],  '数组轴数为%i' %ar[1:3].ndim)     # 切片为两个一维数组组成的二维数组
print(ar[2,2])  								 # 切片数组中的第三行第三列 → 10
print(ar[:2,1:]) 								 # 切片数组中的1,2行、2,3,4列 → 二维数组

–> 输出的结果为：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]] 数组轴数为2
[ 8  9 10 11] 数组轴数为1
9
[[ 4  5  6  7]
 [ 8  9 10 11]] 数组轴数为2
10
[[1 2 3]
 [5 6 7]]

3. 三维数组索引及切片

ar = np.arange(8).reshape(2,2,2)
print(ar, '数组轴数为%i' %ar.ndim)   				# 2*2*2的数组
print(ar[0],  '数组轴数为%i' %ar[0].ndim)  			# 三维数组的下一个维度的第一个元素 → 一个二维数组
print(ar[0][0],  '数组轴数为%i' %ar[0][0].ndim)  	# 三维数组的下一个维度的第一个元素下的第一个元素 → 一个一维数组
print(ar[0][0][1],  '数组轴数为%i' %ar[0][0][1].ndim)  

–> 输出的结果为：(注意第一个是三维数组，可以多重索引)

[[[0 1]
  [2 3]]

 [[4 5]
  [6 7]]] 数组轴数为3
[[0 1]
 [2 3]] 数组轴数为2
[0 1] 数组轴数为1
1 数组轴数为0

4. 布尔型索引及切片

★★★★★4.1 布尔型索引：以布尔型的矩阵去做筛选

ar = np.arange(12).reshape(3,4)
i = np.array([True,False,True])
j = np.array([True,True,False,False])
print(ar)
print(i)
print(j)
print(ar[i,:])  # 在第一维度做判断，只保留True，这里第一维度就是行，ar[i,:] = ar[i]（简单书写格式）
print(ar[:,j])  # 在第二维度做判断，这里如果ar[:,i]会有警告，因为i是3个元素，而ar在列上有4个

–> 输出的结果为：

[[ 0  1  2  3]
 [ 4  5  6  7]
 [ 8  9 10 11]]
[ True False  True]
[ True  True False False]
[[ 0  1  2  3]
 [ 8  9 10 11]]
[[0 1]
 [4 5]
 [8 9]]

★★★★★ 4.2 根据条件索引取值，是上面应用的延伸

m = ar > 5
print(m)  		# 这里m是一个判断矩阵
print(ar[m])    # 用m判断矩阵去筛选ar数组中>5的元素

–> 输出的结果为：

[[False False False False]
 [False False  True  True]
 [ True  True  True  True]]
[ 6  7  8  9 10 11]

5. 数组索引及切片的值更改、复制

5.1 一个标量赋值给一个索引/切片时，会自动改变/传播原始数组

ar = np.arange(10)
print(ar)
ar[5] = 100
ar[7:9] = 200
print(ar)

–> 输出的结果为：

[0 1 2 3 4 5 6 7 8 9]
[  0   1   2   3   4 100   6 200 200   9]

5.2 为了防止数据被破坏，可以使用copy()的方法进行数组复制

ar = np.arange(10)
b = ar.copy()
b[7:9] = 200
print(ar)
print(b)

–> 输出的结果为：

[0 1 2 3 4 5 6 7 8 9]
[  0   1   2   3   4   5   6 200 200   9]