4、Numpy数组索引、切片与值的替换

1、索引与切片：

1.1 获取某行的数据：：

示例代码如下：

# 1. 如果是一维数组
a1 = np.arange(0, 29)
print(a1[1])  # 获取下标为1的元素
#结果为：1

a1 = np.arange(0, 24).reshape((4, 6))
print(a1[1])  # 获取下标为1的行的数据
#[ 6  7  8  9 10 11]

注意：以上例子是相乘，其实相加、相减、相除也都是类似的。

1.2 连续获取某几行的数据：

# 1. 获取连续的几行的数据
a1 = np.arange(0,24).reshape((4,6))
print(a1)
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]
print(a1[0:2]) #获取0行到1行的数据
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]]

# 2. 获取不连续的几行的数据
print(a1[[0,2,3]])
# [[ 0  1  2  3  4  5]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]

# 3. 也可以使用负数进行索引
print(a1[[-1,-2]])
# [[18 19 20 21 22 23]
#  [12 13 14 15 16 17]]

1.3 获取某行某列的数据：

#获取某行某列的数据：
a1 = np.arange(0,24).reshape((4,6))
print(a1)
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]
print(a1[1,1]) #获取1行1列的数据
#结果为：7

print(a1[0:2,0:2]) #获取0-1行的0-1列的数据
# [[0 1]
#  [6 7]]
print(a1[[1,2],[2,3]]) #获取(1,2)和(2,3)的两个数据，这也叫花式索引
# [ 8 15]

1.4 获取某列的数据：

#获取某列的数据
a1 = np.arange(0,24).reshape((4,6))
print(a1[:,1]) #获取第1列的数据
#结果为：[ 1  7 13 19]

2、布尔索引：如：a2 = a1 < 10

2.1 布尔运算也是矢量的，比如以下代码：

#布尔索引
a1 = np.arange(0,24).reshape((4,6))
print(a1<10) #会返回一个新的数组，这个数组中的值全部都是bool类型
# [[ True  True  True  True  True  True]
#  [ True  True  True  True False False]
#  [False False False False False False]
#  [False False False False False False]]

2.2 这样看上去没有什么用，假如我现在要实现一个需求，要将a1数组中所有小于10的数据全部都提取出来。那么可以使用以下方式实现：

a1 = np.arange(0,24).reshape((4,6))
a2 = a1 < 10
print(a1[a2]) #这样就会在a1中把a2中为True的元素对应的位置的值提取出来
#结果为：[0 1 2 3 4 5 6 7 8 9]

2.3 其中布尔运算可以有!=、==、>、<、>=、<=以及&(与)和|(或)。示例代码如下：

a1 = np.arange(0,24).reshape((4,6))
a2 = a1[(a1 < 5) | (a1 > 10)]  #这样就会在a1中把a1<5且a1>10的值取出来
print(a2) #[ 0  1  2  3  4 11 12 13 14 15 16 17 18 19 20 21 22 23]

3、值的替换：

3.1 利用索引，也可以做一些值的替换。把满足条件的位置的值替换成其他的值。

比如以下代码：

#利用索引，也可以做一些值的替换
a1 = np.arange(0,24).reshape((4,6))
a1[3] = 0 #将第三行的所有值都替换成0
print(a1)
# [[ 0  1  2  3  4  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [ 0  0  0  0  0  0]]

3.2 使用条件索引来实现：

# 使用条件索引来实现
a1 = np.arange(0,24).reshape((4,6))
a1[a1 < 5] = 0 #将小于5的所有值全部都替换成0
print(a1)
# [[ 0  0  0  0  0  5]
#  [ 6  7  8  9 10 11]
#  [12 13 14 15 16 17]
#  [18 19 20 21 22 23]]

3.3 使用函数来实现：

# where函数：
a1 = np.arange(0,24).reshape((4,6))
a2 = np.where(a1 < 10,1,0) #把a1中所有小于10的数全部变成1，其余的变成0
print(a2)
# [[1 1 1 1 1 1]
#  [1 1 1 1 0 0]
#  [0 0 0 0 0 0]
#  [0 0 0 0 0 0]]