机器学习入门——Numpy中的比较与Fancy Indexing

最新推荐文章于 2024-06-19 22:34:29 发布
最新推荐文章于 2024-06-19 22:34:29 发布
阅读量1.2k 收藏
点赞数
分类专栏： 机器学习入门 文章标签： 机器学习 python 矩阵
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_53421929/article/details/121610351
版权

Numpy中的比较与Fancy Indexing

Fancy Indexing

  • 向向量传入索引列表，可获取相应索引位置的值
    在这里插入图片描述
  • 将向量按传入的二维矩阵形式返回对应的值：
    在这里插入图片描述
  • 按照行，列坐标分别获取相应值
    在这里插入图片描述
  • 运用切片提取矩阵
    在这里插入图片描述
  • 通过传入的布尔值，选择性返回相应位置的元素
    在这里插入图片描述

numpy.array 比较

  • 通过运算比较符进行比较，返回相应位置判断的布尔值
    在这里插入图片描述
    在这里插入图片描述
  • 可以通过运算得到满足相应条件的布尔值
    在这里插入图片描述

具体应用

  • 计算x向量中有多少<=3的值
    在这里插入图片描述

  • 计算传入元素有多少个非零元素
    在这里插入图片描述
    == 注==：此处传入的是布尔值，只要不是False都是非零元素

  • 判断向量中是否有元素等于0
    在这里插入图片描述

  • 判断向量中是否有元素小于0
    在这里插入图片描述

  • 判断是否x中所有元素都满足相应条件
    在这里插入图片描述

  • 查看每一行的偶数个数
    在这里插入图片描述

  • 查看每一列的偶数个数
    在这里插入图片描述

  • 统计大于3且小于10的元素个数
    在这里插入图片描述

此处要用位运算符& 来判断x中每一个位置的关系，用&&则会报错
在这里插入图片描述

在这里插入图片描述

几种方法的混合运算

在这里插入图片描述

这个表达式表示，X的所有行中，第三列元素，除3余数为0的位置的索引为行的所有元素

柴可拉夫斯基
关注
  • 0
    点赞
  • 踩
  • 0
    收藏
    觉得还不错? 一键收藏
  • 1
    评论
专栏目录
numpy的Fancy Indexing和array比较详解
09-16
主要介绍了numpy的Fancy Indexing和array比较详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧
机器学习基础（4）-Numpy的Fancy Indexing和比较、Matplotlib
moonbaby
04-18 183
目录 一.Numpy的Fancy Indexing 1.Fancy Indexing 应用在一维数组 2.Fancy Indexing 应用在二维数组 二.numpy.array的比较 1.比较运算符的应用 2.使用numpy.array的比较结果 3.比较结果和Fancy Indexing 三.matplotlib基础 一.Numpy的Fancy Indexing x[...
Numpy的fancy indexing简介
Blateyang的博客
12-12 5251
fancy indexing概念上很简单：即指传递索引数组以便一次得到多个数组元素。使用fancy indexing时要特别注意的一点是返回数组的shape反映的是索引数组的shape而不是被索引的原数组的shape。
花式索引，布尔型索引，数组的转置和轴对称
weixin_52528062的博客
04-20 2281
一.花式索引 （1）花式索引(Fancy indexing)： 指利用整数数组进行索引，而核心就是"轴"以及"下标"，既然是整数数组作为下标，这就要求如果设置多个整数数组来索引的话，这些整数数组的元素个数要相等，这样才能够将整数数组映射成下标。比如对于[1, 2]和[3, 4]两个整型数组，可以拼接成arr[1, 3]和arr[2, 4]的下标来取值，而对于[1, 2, 3]和[3, 4]两个元素个数不等的情况下，是不能拼接成对应的下标的。 （2）“轴"和"下标”： 对于一维数组只有一个轴 axis =
Numpy中重要的概念Fancy Indexing
e891377的专栏
11-11 341
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)
[云炬python3玩转机器学习笔记] 3-10Numpy中的比较和Fancy Indexing
科大云炬
11-18 230
Fancy Indexing import numpy as np x=np.arange(16) x array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) x[3] 3 x[3:9] array([3, 4, 5, 6, 7, 8]) x[3:9:2] array([3, 5, 7]) [x[3],x[5],x[8]] [3, 5, 8] ind=[3,5,8] x[ind] ### Fanc
Python机器学习回归与numpy
04-20
Python机器学习Python机器学习回归与numpy提取方式是百度网盘分享地址
Python 机器学习库 NumPy入门教程
09-20
在我们使用Python语言进行机器学习编程的时候，这是一个非常常用的基础库。本文针对Python 机器学习库 NumPy入门教程，感兴趣的朋友跟随脚本之家小编一起学习吧
Python学习笔记——Numpy数组的排序和搜索
12-21
sort函数能将数组中的数据从小到大进行排序 argsort函数 argsort函数会从小到大返回对应元素的索引值 一维数组 先构建一个一维数组 a（元素随机输入） 用sort函数进行排序，默认升序 需要降序排列的可以用下面方法 ...
Numpy中Fancy indexing的使用，数组的比较与抽取特定数据
纸城的博客
03-01 194
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。
Fancy indexing
jhkj_5154的博客
03-14 228
ind = [3，5，8]x[ind]就可以返回对应索引的值，亦可以穿二维也可以x[row,col]比如x[[0,1,2],[1,2,3]]或者x[0,[1,2,3]]或者x[:2,[1,2,3]]   如果是布尔值就是对应的值，True是出现，False就是没 布尔数组很重要，比如比较x&lt;3就出的是布尔数组   我们可以结合加减乘除获得更加复杂的逻辑比如2*x == 24-4*x可以返回可...
Numpy学习笔记之Fancy Indexing
qq_34734683的博客
03-07 1045
#想返回不等步长的方法比如想返回索引为3,5,8的索引所在的值，不是等步长的值如何处理？#从一位数组中取出构成新的二维数组索引为为二维数组即可#二维矩阵中取点相当于取出（0,1），（1,2），（2,3）点#取感兴趣的行或者列#行、列中也可以传入布尔值#数组比较#二维中也同样适用#多种运算复合比如计数，True当做1，False当做0，计数非0的个数二维数组里#any存在 和all全部沿着行——每一...
numpy利用fancy indexing提取出想要的行
qq_39422041的博客
07-18 598
In [2]: arr = np.empty((8, 4)) In [3]: arr Out[3]: array([[0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0.], [0., 0., 0., 0....
numpy中的广播（broadcast）
热门推荐
tender_night的博客
09-18 1万+
numpy中的广播（broadcast）机制是一个非常重要手段处理不同维度数组（array）间的操作，文章翻译一个非常棒的broadcast教程，希望多需要的人有些帮助。
【Numpy基础4-比较和fancy_indexing】
愿岁月如歌
01-18 256
import numpy as np In [2]: x = np.arange(16) In [3]: x Out[3]: array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15]) In [4]: x[3:9:2] Out[4]: array([3, 5, 7]) In [5]: # 要返回 2 ...
Python3机器学习笔记（7）—— Numpy 中的比较 和 FancyIndexing
一角残叶的博客
06-19 326
1 Numpy.array 的比较
Numpy 之Fancy indexing
weixin_42730667的博客
09-30 913
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...
【机器学习】无监督学习：探索数据背后的隐藏模式
最新发布
AI心易行者
06-19 949
在机器学习的广阔领域中，监督学习因其直观的训练方式和广泛的应用场景，往往受到更多的关注。然而，随着数据量和数据类型的不断增长，无监督学习的重要性日益凸显。本文将详细介绍无监督学习的理论基础、常用算法及其在实际中的应用。
Python-建模分析师之硬技能 Python数据分析基础 机器学习numpy和pandas基础 共147页.pdf
06-04
在这份教程中，首先介绍了学习态度和纪律的重要性，提出了“九字真言”——认真听、善摘录、勤思考、多温故、乐实践、再发散，以及“四不原则”——不懒散、不迟到早退、不请假旷课、不拖延作业，强调了学习过程中的...

“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 1
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