【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

最新推荐文章于 2024-02-08 15:05:31 发布
最新推荐文章于 2024-02-08 15:05:31 发布
阅读量718 收藏 2
点赞数
分类专栏： Numpy 文章标签： numpy 花哨索引 fancy indexing 花式索引
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/qq_33432841/article/details/102548193
版权

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，比较实在点。那就举例说明吧：

                      

                      

上面的两个例子是比较好理解的哦！如果有什么不懂的，可以共同讨论哦！

下面这个例子有点难懂，但小虾都写上了比较详细的注释哦！如果感觉还是不太懂的话，可以留言讨论呀！！

                     

下面是在举的一下其他类似的例子哦！也可以对比着看看哦！（如果觉得小虾上面写的还不错，给小虾的博客点个赞呀！）

                      

                        

                                        不后悔过去，不幻想未来，把握好现在，就是对自己最好的交代！！！！

苦逼的虾
关注
  • 0
    点赞
  • 踩
  • 2
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
Python数据分析与爬虫
05-09
本课程主要讲解Python基础、数据分析扩展包Numpy、pandas、matplotlib，Python读取MySQL数据，Python爬虫及Scrapy框架，无监督机器学习算法聚类分析等，以及案例：互联网金融行业客户价值分析等。
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
Numpy中Fancy indexing的使用，数组的比较与抽取特定数据
纸城的博客
03-01 197
先搞懂什么是Fancyindexing。简言之就是，利用数组下标来操作数组的一系列方法。
python 花式索引
weixin_56025182的博客
03-09 5242
花式索引的定义 花式索引（Fancy indexing）是指利用整数数组进行索引，这里的整数数组可以是Numpy数组也可以是Python中列表、元组等可迭代类型。 一维数组的花式索引 创建一维数组arr1 = np.array([1.0,2,3,4]) 花式索引arr1[1:4]获得[0,2,3] 不包含下标4 import numpy as np #创建一维数组 arr1 = np.array([1,2,3,4]) print(arr1[1:4]) 结果 如果数组有浮点数，那就会建立浮点数数组 二
python numpy数组对比_numpy的Fancy Indexing和array比较详解
weixin_39716510的博客
12-24 323
一：Fancy Indexingimport numpy as np#Fancy Indexingx = np.arange(16)np.random.shuffle(x)print(x) #打印所有的元素print(x[2])#获取某个元素的值print(x[1:3])#切片print(x[3:9:2])#指定间距切片index = [2,4,7,9] #索引数组print(x[index])#...
python花式索引_ndarray花式索引
weixin_30780097的博客
02-11 1420
花式索引花式索引(Fancy indexing)是一个NumPy术语，它指的是利用整数数组进行索引。假设我们有一个8×4数组：In [117]: arr = np.empty((8, 4))In [118]: for i in range(8):.....: arr[i] = iIn [119]: arrOut[119]:array([[ 0., 0., 0., 0.],[ 1., ...
Numpy中重要的概念Fancy Indexing
e891377的专栏
11-11 346
文章目录Numpy中重要的概念Fancy IndexingNumpy中的比较和Fancy IndexingFancy IndexingFancy Indexing 应用在二维数组numpy.array的比较使用numpy.array的比较结果比较结果和Fancy Indexing最后一个例子说明参考资料 Numpy中重要的概念Fancy Indexing Numpy中的比较和Fancy Indexing Fancy Indexing import numpy as np x = np.arange(16)
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.
numpy花哨索引理解
qq443967620的博客
02-25 323
#1,花哨索引 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.
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...
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...
Python : numpy花式索引
weixin_44523387的博客
05-23 787
import numpy as np arr = np.arange(36).reshape(3,3,4) print(arr) 只有一个[]的数组是基本的索引 print(arr[2,0,1]) # 单元素 print(arr[2,0]) # 第二个数组的第0行 print("*"*30) 花式索引传入的数组用两个以上的[] print(arr[[1,0,1]]) # 双[]...
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基础之花式索引
最新发布
sinat_34735632的博客
02-08 659
NumPy的花式索引(Fancy indexing)指ndarray数组使用整数数组进行索引。这的整数数组可以是python的列表等可迭代对象，也可以是NumPy数组。花式索引，用整数数组的元素作为对应轴的索引，并且按数组元素顺序选取子集。
Numpy 之Fancy indexing
weixin_42730667的博客
09-30 923
在创建完narray多维数组时，一般访问多维数组的某个元素是都是使用index进行访问，但是使用index访问存在一个问题就是一次只能访问一个元素，但是Numpy Fancy Indexing很好的解决了这个问题，它提供了各种使用index 技巧，能够一次性访问多个元素，并且可以根据index，选择所需要的数据重新组成一个新的数组。 Indexing with Arrays of Indices...
Python数据分析：Numpy库详解与应用
"本资源主要介绍了Python数据分析中Numpy库的使用，包括Numpy库的概述、数组的创建、切片和索引，以及Numpy数组的一些核心特性。" 在Python数据分析领域，Numpy库扮演着至关重要的角色。Numpy全称为Numerical ...

“相关推荐”对你有帮助么？

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
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