Python数据分析之NumPy （2）

一.数组的索引和切片

1.数组的轴
这里我们举一个例子

 import       numpy   as  np
 a=np.arange(24).reshape ((2,3,4) )
 a
 输出   array( [ [ [0,1,2,3 ],
                  [4,5,6,7],
                  [8,9,10,11] ],
                  [ [ 12,13,14,15],
                  [16,17,18,19],
                  [20,21,22,23 ] ] ] )
                  这是一个三维数组
                  其中24表示一共有24个元素，2代表子列表，3代表子列表的列表，4代表最低级列表的元素个数

2.数组的索引
以上面的a为例

       a[1] [0] [0] 输出是12，这一点和python的用法相同

(1)下标是整数
注意此处容易混淆
我们随便创建一个数组c，并对他进行了一些测试

显而易见，[1] [2] 和 [1,2]的作用是一样的，都表示数组c[1] 中索引是2的元素
修改元素值也是可行的，但请注意当修改的目标是一个整轴时，轴上的所有元素都会被修改
如果特指定一个元素，那就是只改此元素

（2）下标是列表
这里我定义了一个数组b

我们发现第二个输出的是元组，而第三个输出的是一个数组；
而且我们还会发现，下标是整数的话，返回的是数组中的嵌套元素
而下标是列表的话，返回的是这些列表对应的所有元素

这里还有一个较难理解的地方如下

此处第三四行命令返回结果相同
第三行命令的意思是：在C[ [ 1 ,2 ] ]的基础上，分别返回C[ 1] 的第一个索引对应的元素值和C [2]的第二个索引对应的元素值

（3）下标是数组
用法如下
这些比较简单，第二行命令获得的是重复数组
还有一些特殊用法

第一个返回的数组是布尔型的
当数组b和数组t的形状一样，两者的元素一一对应，就会返回上图第二个结果
第三个输出是应用了t数组的特殊条件，返回e数组中能满足t条件的元素
最后一个输出是返回True对应的那部分，这都是些特殊的用法应用于特殊情况

3.数组的切片
切片规则和Python的差不多，但有一些不同之处
首先从一维数组开始

数组的切片也遵循Python的左闭右开规则
请留意，我们对数组b元素修改，因为b是a中的一部分，所以a的元素也被修改了
原因是通过切片得到的数组和原数组共享了一个内存空间，通常称为共用同一个视图，这是与Python不相同的
其他的属性和python相同，完全可以套用

对于二维或者更多维的数组进行切片，也是在一维数组的基础上进行的，只不过分别在某个轴方向上实施，最终获得重叠区域
这里创建一个二维数组
并进行以下测验

有必要说明一下，这个输出是先在0轴方向上切出一片，然后在1轴方向上按照[ 2: 5]的要求切出
当然还有别的切片方法
第二个命令是返回第二行的所有元素
第三个命令是返回第三列的所有元素
第四个命令是返回前两行和前两列的重叠区域的元素
第五个命令是返回从0开始每间隔一行一列的元素
最后一个命令是返回前三行第1和4列的所有元素

数组切片到此结束