numpy花哨索引理解

最新推荐文章于 2022-04-08 02:02:02 发布
最新推荐文章于 2022-04-08 02:02:02 发布
阅读量323 收藏
点赞数
分类专栏： numpy 文章标签： 索引 python numpy 机器学习
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq443967620/article/details/104504333
版权

#1,花哨索引在这里插入图片描述在这里插入图片描述

说明:
(1)
94号,行与列的索引相当于,(0,2),(2,3),(1,1)的去筛选x的内容.
(2)
102和103,行索引是等价的,我们不能用[1,2,3,4,5]代替.

阿拉祖
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
numpy学习笔记-花哨的索引
m0_70609365的博客
10-14 321
numpy学习笔记-花哨的索引
numpy知识点概括
Gggggg_x的博客
10-30 144
#导入numpy import numpy as np import random #创建随机数 #一维数组： a=np.random.random(size=5)#生成五个0-1之间的随机数 #二维数组： b=np.random.random(size=(3,4))#生成三行四列0-1之间的随机数 #三维数组： c=np.random.random(size=(2,3,4))#生成两个三行四列的0-1之间的随机数 #创建随机整数： #np.random.ran
【Numpy库】【花哨索引】用python做数据分析所必须掌握的基础库之一 _03_ 花式（花哨）索引_fancy indexing
爱学的萌萌虾
10-14 718
花哨索引 花式（哨）索引（ Fancy indexing） 是一个NumPy术语， 它指的是利用整数数组进行索引。 花哨索引----传递的是索引数组，不是单个标量。花哨索引让我们能够快速获得并修改复杂的数组值的子数据集。其意味着传递一个索引数组来一次性获得某个维度上的多个数组元素。 小虾认为大概知道上面是什么意思，还是通过例子来学习一下，比较实在...
NUMPY学习系列——花哨的索引
zhx_123987的博客
07-07 290
若 a = array([0,1,2,3,4,5,6,7,8,9]), b = array([[0,1,2,3], [4,5,6,7], [8,9,10,11]]) 那么： 索引对象为向量 方法一：[x[3],x[7],x[2]] 即array([3,7,2]) 方法二：ind = [3,7,2] x[ind] arr...
Numpy数据分析——花哨索引的简单使用、“广播“规则详解
Cdccc_daye的博客
04-08 442
在对高维数组进行索引时，常会不知从何而起，想提取的部分和实际的效果会出现偏差。 本文将以尽可能容易懂的方式，来揭开Numpy高维数组之间的运算逻辑，并呈现一些简单运用 目录 一、文章用词阐释 1、轴长度和shape 2、广播 二、剖析广播的规则 1、单一标量A（可认为是零维的数组）与一维数组B 2、一维数组与一维数组 情况一：只含一个值的一维数组M和另一个任意长度，元素为任意值的一维数组N： 情况二：两个一维数组数组，长度均不为1，且长度不相等 情况三：两个一维数组，长度一样 3
数据分析手册-Numpy(7)--花哨的索引
ChadWick的博客
12-04 345
花哨的索引（fancy indexing） 花哨的索引不同于前面的简单索引得到的标量，而是直接得到的是传递的索引数组。 且能够让我们能够快速获得并修改复杂的数组值得字数据集。 探索花哨的索引 花哨的索引在概念上非常简单，它意味着传递一个索引数组来一次性获得多个数组元素。 import numpy as np rand=np.random.RandomState(42) x=rand.randint(100,size=10) [x[3],x[7],x[2]] #[71,86, 14] 利用花哨的索..
Numpy——numpy的索引
12-22
本篇文章将详细讲解Numpy中关于数组和矩阵的索引操作。 1. 一维索引 在Numpy中，一维数组的索引与Python的普通列表类似。你可以通过索引值直接访问数组中的元素。例如： ```python import numpy as np A = np.a...
深入了解NumPy 高级索引
12-17
NumPy 是 Python 中用于科学计算的核心库，其高级索引功能极大地增强了对多维数组的操作。高级索引包括整数数组索引、布尔索引和花式索引，这些方式比传统的整数和切片索引更为灵活，能实现更复杂的数组选择。 1. ...
numpy 索引及切片
01-21
numpy 索引及切片基本索引及切片一维数组二维数组三维数组布尔型索引及切片数组索引及切片值的更改、复制 基本索引及切片 一维数组 import numpy a = numpy.arange(0,20) print(a) print(a[4]) print(a[4:10]) 二维...
花哨索引
张行者
08-28 364
x = np.array([[1,2],[3,4]]) >>x array([[1, 2], [3, 4]]) y = np.array([[1],[0]]) >>y array([[1], [0]]) >>x[y] array([[[3, 4]], [[1, 2]]]) 理解x[y]就是arr...
NumPy花哨的索引和索引技巧 通过数组索引
autumn20080101的专栏
01-19 675
>>> from numpy import * >>> a = arange(12)**2 >>> a array([  0,   1,   4,   9,  16,  25,  36,  49,  64,  81, 100, 121]) >>> i=array([1,1,3,8,5]) >>> a11385=a[i] >>> a11385 array([ 1,  1,  9, 64
Numpy 花式索引
略略略的博客
07-27 4724
#花式索引 #它是指利用整数数组进行索引,先初始化一个8*4的矩阵 #-----2.1 arr = np.empty((8,4)) # print arr for i in range(8): arr[i] = i print arr #为了以特定顺序选取行子集，只需传入一个用于指定顺序的列表或ndarray即可 print arr[[4,3,0,6]] # print arr[np.
python numpy花哨索引
weixin_34148340的博客
06-03 194
1 import numpy as np 2 rand = np.random.RandomState(42) 3 4 x = rand.randint(100, size=10) 5 print(x) [51, 92, 14, 71, 60, 20, 82, 86, 74, 74] 获取元素： [x[3], x[7], x[2]] [71, 86, ...
Numpy学习笔记三——数组切片、bool索引、掩码和花哨索引
Little Garden
08-12 4633
Numpy数组切片、bool索引、掩码和花哨索引 数组切片(slice) 数组切片的公式为 my_array[row_start: row_stop: row_step, col_start: col_stop: col_step] #示例1： import numpy as np #设置随机种子 np.random.seed(0) #初始化一个维度为3x4的数组 a = np.ra...
Numpy —— 花式索引，整数索引和布尔索引
starter_____的博客
01-26 5812
花式索引 花式索引指的是利用整数数组进行索引 花式索引跟切片不一样，它总是将数据复制到新数组中 1、传入顺序索引数组 In [94]: arr=np.arange(32).reshape((8,4)) In [95]: arr Out[95]: array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10,
2.7 花哨的索引
ceerfuce的博客
07-26 566
2.7 花哨的索引   import numpy as np rand = np.random.RandomState(42) x = rand.randint(100, size=10) print(x) [51 92 14 71 60 20 82 86 74 74]   [x[3], x[7], x[2]] [71, 86, 14]   ind = [3...
Numpy中的数组花式索引
小灰笔记
04-06 6408
先看一下接下来要总结到的所有的用法的IPython交互记录： In [1]: importnumpy as np   In [2]: data =np.random.randn(7,8)   In [3]: data Out[3]: array([[0.33620879, -0.74760021,  0.21633351,-0.31951527, -0.3474147 ,     
Numpy中花式索引
cainiaohudi的博客
04-17 3841
x = numpy.array([1,2,3,4,5,6]) print x[[0,1,2]] # [1 2 3] print x[[-1,-2,-3]] # [6,5,4] x = numpy.array([[1,2],[3,4],[5,6]]) print x[[0,1]] # [[1,2],[3,4]] print x[[0,1],[0,1]] # [1,4] 打印x[0][0]和x[1][...
javascript ES5中 foreach()遍历方法
weixin_44638167的博客
09-28 5789
forcach() array.forEach(function(currentValue, index, arr)) currentValue：数组当前项的值 index：数组当前项的索引 (可选) arr：数组对象本身 filter() 方法创建一个新的数组， 新数组中的元素是通过检查指定数组中符合条件的所有元素,主要用于筛选数组 注意它直接返回一个新数组 代码: <script> var arr=[50,86,12,10,0,38]; var newa
numpy array 索引
最新发布
07-29
numpy array 索引是指通过下标访问数组中的元素。在numpy中，数组的索引是从0开始的。 对于一维数组，可以使用一个整数索引访问对应位置的元素。例如，对于数组arr，可以使用arr[0]来访问第一个元素，arr[1]来访问...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值