1.函数：
np.s_[:] 数组索引
np.index_exp[2::2] 建立数组索引元组的更好方法
a.item(* args) 复制元素到python标量 参数：None:len(a)=1; Int_type:数组平面索引;Int_types:元祖
a.itemset(* args) 更改数组中数值 参数：参数1int 或元祖,位置(x,[y])；参数2更改值
a.getfield(dtype,offset = 0) 以给定类型返回给定数组的字段.
np.take(a,indices,axis = None,out = None,mode ='raise') 获取(默认1D )元素；优于花式索引
np.put(a,ind,v,mode ='raise') 设置1D元素；等价a.flat[ind] = v
np.nonzero(a) 返回输入数组中非零元素的索引.
np.count_nonzero(a,axis = None ) 计算数组中非零值的数量
np.select(condlist, choicelist, default=0) 返回从选择列表中的元素绘制的数组,取决于条件
np.choose(a,choice,out = None,mode ='raise') 根据条件选择
np.where(condition, [x, y]) 返回输入数组中满足给定条件的元素的索引.
np.extract() 根据某个条件从数组中抽取元素,返回满条件元素
np.compress(condition,axis = None,out = None )沿给定的轴返回此数组的选定切片
2.实例
实例1：np.s_-数组索引
np.s_[2::2] # slice(2, None, 2)
np.index_exp[2::2] # (slice(2, None, 2),)
np.array([0, 1, 2, 3, 4])[np.s_[2::2]] # array([2, 4])
np.array([0, 1, 2, 3, 4])[np.index_exp[2::2]] # array([2, 4])
实例2.1：item-获取标量
a=np.arange(12).reshape(3,4)
a.item(7) #7 获取标量
a.item(0,2,) #2 获取标量 等价a.item((0,2))
实例2.2.：itemset-设置标量
a.itemset(7,-7) #修改元素为-7 a =array([[ 0, 1, 2, 3],[ 4, 5, 6, -7],[ 8, 9, 10, 11]])
a.itemset((0,2),-2) #修改元素为-2 a =array([[ 0, 1, -2, 3], [ 4, 5, 6, -7],[ 8, 9, 10, 11]])
实例3：getfield-获取数值字段
x = np.diag([1.+1.j]*2) #x = array([[1.+1.j, 0.+0.j],[0.+0.j, 1.+1.j]])
x[1, 1] = 2+ 4.j #x = array([[ 1.+1.j, 0.+0.j],[ 0.+0.j, 2.+4.j]])
x.getfield(np.float64) #array([[ 1., 0.], [ 0., 2.]])
# 选择8字节偏移量得到虚部视图
x.getfield(np.float64, offset=8)# array([[ 1., 0.], [ 0., 4.]])
实例4.1：take-选取元素
a = np.array([10, 11, 12, 13, 14, 15])
np.take(a, [0,1,2,3]) # array([10, 11, 12, 13])
np.take(a, [[0, 1], [2, 3]]) # array([[10, 11],[12, 13]])
a=np.arange(10,22).reshape(3,4)
np.take(a,[0,1,2,3]) # array([10, 11, 12, 13])
np.take(a,[[0,1],[2,3]]) # array([[10, 11], [12, 13]])
a.take([1,2],axis=0) # array([[14, 15, 16, 17],[18, 19, 20, 21]]) #选取第2,3行
a.take([1,2],axis=1) # array([[11, 12],[15, 16], [19, 20]]) #选取第2,3列
实例4.2：put-替换选定位置数据
a = np.arange(5)
a.put([1,2],-1) #选定元素用-1替代 a = array([ 0, -1, -1, 3, 4])
np.put(a, [4,3,2,1], [-4,-3,-2,-1])#选定元素用list替换 a = array([ 0, -1, -2, -3, -4])
实例5：nonzero-非零元素索引
np.nonzero ([3,0,2,5,0,6]) # (array([0, 2, 3, 5], dtype=int64),)
a = np.array([[3,4,0],[0,2,1],[5,0,6]])
b=np.nonzero (a) # (array([0, 0, 1, 1, 2, 2], dtype=int64),array([0, 1, 1, 2, 0, 2], dtype=int64))
np.transpose(b) # array([[0, 0], [0, 1], [1, 1],[1, 2],[2, 0],[2, 2]], dtype=int64)
a[b] # array([3, 4, 2, 1, 5, 6])
# 一个常用用法是查找条件为True数组的索引
a = np.array([[1,2,3],[4,5,6]])
a > 3 # array([[False, False, False],[ True, True, True]])
np.nonzero(a > 3) # 结果同下
(a > 3).nonzero() # (array([1, 1, 1], dtype=int64), array([0, 1, 2], dtype=int64))
np.count_nonzero(a,axis = None ) # 计算数组中非零值的数量a
np.count_nonzero(a) # 6
实例6：select-根据条件选择相应的值
x = np.arange(10)
condlist = [x<3, x>5]
choicelist = [x, x**2]
np.select(condlist, choicelist) # array([ 0, 1, 2, 0, 0, 0, 36, 49, 64, 81])
np.select(condlist, choicelist,-1) # array([ 0, 1, 2, -1, -1, -1, 36, 49, 64, 81])
实例7：choose-根据条件选择
result=np.array([0,0,0,0])
a=np.choose([0,0,1,2],[0,-1,-2,-3,-4],out=result) #a为1维choices为1维a = array([ 0, 0, -1, -2]) result==a
b=np.choose([[0,1,2],[3,4,5],[5,4,3]],[0,-1,-2,-3,-4,-5])#a为2维choices为1维 b = array([[ 0, -1, -2],[-3, -4, -5],[-5, -4, -3]])
c=np.choose([4,3,2,1,0], #a为1维choices为2维
[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]])
c # array([40, 31, 22, 13, -4]) 4---0 对应choices(4,0) (3,1) (2,2) (1,3) (0,4)
d=np.choose([[4,3,2,1,0],[0,1,2,3,4],[0,1,2,3,4]], #a为2维choices为2维
[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]])
d # array([[40, 31, 22, 13, -4], [ 0, 11, 22, 33, 44],[ 0, 11, 22, 33, 44]])
实例8：where-根据条件选择
x = np.arange(9).reshape(3, 3)
y = np.where(x > 3)# (array([1, 1, 2, 2, 2], dtype=int64), array([1, 2, 0, 1, 2], dtype=int64))
x[y] # array([4, 5, 6, 7, 8])
condition = np.mod(x,2) == 0# 定义条件, 选择偶数元素
condition # array([[True,False,True],[False,True,False],[True,False,True]])
np.extract(condition, x) # array([0., 2., 4., 6., 8.]) # 使用条件提取元素
实例9：compress-沿轴返回此数组选定切片
a = np.array([[1, 2], [3, 4], [5, 6]])
b1=np.compress([1, 1,0], a, axis=0) # 按行选取,前为逻辑条件,选取第1,2行 array([[1, 2],[3, 4]])
b2=np.compress([4, True], a, axis=1) # 按列选取,前为逻辑条件,表示选取第1,2列 array([[1, 2],[3, 4].[5,6]])
#在平面阵列上工作时不会沿着轴返回切片,而是选择元素
b3=np.compress([2, True,0,1,4], a) # 条件为真时选一个元素；逻辑条件最多6个 array([1, 2, 4, 5])
3.备注：
3.1.np.choose(a,choice,out = None,mode ='raise')
用途：根据条件选择-从索引数组和一组数组构建一个数组以供选择.
说明：np.choose(i_a,a) == np.array([a[i_a[I]] [I] for I in ndi.ndindex(i_a.shape)])
参数：
a ： int 数组元素0~n-1
choices：要操作数组,维度和a匹配
out： 接收运算结果维度和 a 一样
mode： raise默认,a中元素不能超过 n
clip： a 中的元素如小于0将其变为0,如大于n-1变为n-1
wrap： 将a中的值 value变为value mod n,即值除以n余数
3.2.numpy.take(a,indices,axis = None,out = None,mode ='raise')
用途：获取元素-索引工作在展平的目标数组上
实例：
a=np.arange(10,34).resape(2,3,4)
indices = [0, 10 23] #相当于从一维数组【标记从0---23】取值
np.take(a, indices) #array([10, 20, 23])
np.take(a, [[0, 1], [2, 3]]) #array([[10, 11],[12, 13]])
3.3.numpy.put(a,ind,v,mode ='raise')
用途：替换元素.索引工作在展平的目标数组上.
说明：相当于a.flat[ind] = v
实例：
a=np.arange(10,34).reshape(2,3,4)
'''
array([[[10, 11, 12, 13],
[14, 15, 16, 17],
[18, 19, 20, 21]],
[[22, 23, 24, 25],
[26, 27, 28, 29],
[30, 31, 32, 33]]])
'''
np.put(a,[23],[26*2])# 数组,索引,修改值
a
'''
array([[[10, 11, 12, 13],
[14, 15, 16, 17],
[18, 19, 20, 21]],
[[22, 23, 24, 25],
[26, 27, 28, 29],
[30, 31, 32, 52]]])
'''
扫一扫
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
