3-Numpy数组操作2（索引和切片）

索引和切片：

#一维
a1=np.arange(0,20)
print(a1)
print(a1[1])

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

#多维
a2=np.arange(0,20).reshape(4,5)
print(a2)
print(a2[1])         #获取的是第二行的数据（索引为1的行）
print(a2[0:2])       #获取[0,2)行的数据
print(a2[[0,1,3]])   #获取不连续行的数据  [[ *，*，* ]]
print(a2[[-1,-3]])   #用负数进行索引
print('----'*10)
print(a2[2,2])       #获取某行某列的数
print(a2[1:3,1:3])   #获取[1:3)行的[1:3)列的数据
print(a2[[1,2],[2,3]]) #获取(1,2)和(2,3)的两个数据，这也叫花式索引
print(a2[:,1])        #获取第一列的数据

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

#布尔索引
print(a2<10)   #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]]

#提取a2中<10的数
a3=a2<10
print(a2[a3])

a3 = a2[(a2 < 5) | (a2 > 10)]
print(a3)

>>>  [0 1 2 3 4 5 6 7 8 9]

>>>  [ 0 1 2 3 4 11 12 13 14 15 16 17 18 19]

#值的替换
a2[3] = 0 #将第三行的所有值都替换成0
print(a2)

a2[a2 < 10] = 0 #将小于10的所有值全部都替换成0
print(a2)

# where函数：
a3 = np.where(a2 < 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(a3)

 >>>

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [ 0  0  0  0  0]]

>>>

[[ 0  0  0  0  0]
 [ 0  0  0  0  0]
 [10 11 12 13 14]
 [ 0  0  0  0  0]]

>>>

[[1 1 1 1 1]
 [1 1 1 1 1]
 [0 0 0 0 0]
 [1 1 1 1 1]]

numpy.where() 有两种用法：

1. np.where(condition, x, y),满足条件(condition)，输出x，不满足输出y。

aa = np.arange(10)
print(aa)
print(np.where(aa,1,-1))   
#相当于np.where(aa != 0,1,-1)

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

np.where(aa>5,1,0)  #aa中大于5的返回1，否则返回0

np.where([[True,False], [True,True]],
         [[1,2],         [3,4]],
         [[9,8],         [7,6]])
#第一个值从[1,9]中选，因为条件为True，所以是选第1个。
#第二个值从[2,8]中选，因为条件为False，所以选第二个，后面以此类推。

>>> array([[1, 8],
       [3, 4]])

#同理
a=10
np.where([[a > 5,a < 5], [a == 10,a == 7]],
             [["chosen","not chosen"], ["chosen","not chosen"]],
             [["not chosen","chosen"], ["not chosen","chosen"]])

>>> array([['chosen', 'chosen'],
       ['chosen', 'chosen']], dtype='<U10')

2. np.where(condition)

        只有条件 (condition)，没有x和y，则输出满足条件 (即非0) 元素的坐标 (等价于numpy.nonzero)。这里的坐标以tuple的形式给出，通常原数组有多少维，输出的tuple中就包含几个数组，分别对应符合条件元素的各维坐标。

a = np.array([2,4,6,8,10])
np.where(a > 5)


a[np.where(a > 5)]    # 等价于 a[a>5]

>>> (array([2, 3, 4], dtype=int64),)

>>> array([ 6,  8, 10])