python学习笔记4 numpy库（2）细节太多建议动手练习

本多所有计数从0开始
1.索引与切片
用numpy.array创建的ndarray对象的内容可以通过索引或切片来访问和修改。
可用的索引累方法有三种：访问、基本切片、高级索引。
(1)索引机制
python的下标索引好比超市的存储柜的编号，通过编号能找到相应的存储空间。

import numpy as np
a=np.arange(1,6)
print(a)
print(a[3])
print(a[-4])
print(a[[0,3,4]])

(2）切片机制
通过指定下标的方式来获得某一个数据元素，或者通过指定下标范围来获得一组序列的元素，这种访问序列的方式叫作切片。
切片操作符在python中的原型是[start:stop:step]

import numpy as np
temp=np.array([[1,2,3],[4,5,6],[7,8,9]])
temp=temp.reshape((3,3))
print(temp)
print(temp[1,2])

(3)切片索引

import numpy as np
temp=np.array([[1,2,3],[4,5,6],[7,8,9]])
temp=temp.reshape((3,3))
print(temp)
print
print(temp[0:2])#从第0行到第1行，不包括第2行
print(temp[:2])#从第0行到第1行，不包括第2行

可以发现，这两种表达所得结果一样。可以得出结论，在使用这种方式时，0可以省略。

print(temp[:1])#打印第0行，不包括第一行
print(temp[1,2])#得到元素
print(temp[1:2,2:3])#得到序列

print(temp[:,2])#打印第2列

2.布尔型索引
布尔型索引又叫花式索引，指的是利用整数数组进行索引。布尔型索引是基于布尔数据的索引，属于高级索引技术范畴。
在用python进行科学计算时，常常需要使用它把一个稀疏的numpy.array进行压缩。
(1)初探布尔型索引

import numpy as np
a=(np.arange(16)).reshape(4,4)
x=np.array([0,1,2,1])
x==1
print(a)
print(x==1)
print(a[x==1])#打印第1行和第3行
print(a[:,x==1])#打印第1列和第3列

布尔型索引对其进行取否，通常采用！=符号。
～符号和logical_not()函数可以对条件进行否定。

print(a[x!=1])
print(a[x==0])
print(a[x>=2]

可以发现布尔型索引不仅仅只与0和1有关，可以通过调整x数组的数字来对a取数组。
布尔型索引同时支持python比较运算符（>,>=,<,<=).
（2）布尔型索引多条件组合

print(a[(x==1)|(x==2)])

(3)在图片处理的过程中，需要将图片处理成一个数组。通常通过布尔型索引对图片处理后得到数组进行选取操作

import numpy as np
import matplotlib.pyplot as plt
a=np.linspace(0,2*np.pi,200)#2*np.pi表示2pi
b=np.sin(a)
plt.plot(a,b)
mask=b>=0
plt.plot(a[mask],b[mask],'bo')
mask=(b>=0)&(a<=np.pi/2)
plt.plot(a[mask],b[mask],'go')
plt.show()

plt.plot()函数简单介绍

plt.plot(x, y, format_string, **kwargs)

参数 说明
x :X轴数据，列表或数组，可选
y :Y轴数据，列表或数组
format_string 控制曲线的格式字符串，可选
**kwargs 第二组或更多(x,y,format_string)，可画多条曲线
format_string 由颜色字符、风格字符、标记字符组成

颜色字符
‘b’ 蓝色 ‘m’ 洋红色 magenta
‘g’ 绿色 ‘y’ 黄色
‘r’ 红色 ‘k’ 黑色
‘w’ 白色 ‘c’ 青绿色 cyan