数组索引
(1)一维数组索引: 类似于列表切片
import numpy as np
arr = np.arange(10)
print(arr)
# 结果: [0 1 2 3 4 5 6 7 8 9]
print(arr[2:6])
# 结果: [2 3 4 5]
print(arr[0::2])
# 结果: [0 2 4 6 8]
print(arr[-1::-2])
# 结果: [9 7 5 3 1]
arr[4] = 15
print(arr)
# 结果: [ 0 1 2 3 15 5 6 7 8 9]
(2)二维数组索引(行与列都是从索引0开始算起)
方法一:
import numpy as np
arr = np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]])
print(arr)
# 结果:
# [[ 1 2 3 4 5]
# [ 4 5 6 7 8]
# [ 7 8 9 10 11]]
print('索引第0行,第3、4列的元素为: ',arr[0,3:5])
# 结果: [4 5]
print('索引第1,2行,第3、4列的元素为: ',arr[1:3,3:5])
# 结果:
# [[ 7 8]
# [10 11]]
print('索引中,第3列的所有元素: ',arr[0:,2])
# 结果: [3 6 9]
方法二: 元组中的行与列一一对应, 例如题中第0行第1列; 第1行第2列; 第2行第3列 ;
import numpy as np
arr = np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]])
print(arr)
# 结果:
# [[ 1 2 3 4 5]
# [ 4 5 6 7 8]
# [ 7 8 9 10 11]]
print(arr[(0,1,2),(1,2,3)])
# 结果: [ 2 6 10]
print(arr[0,1],arr[1,2],arr[2,3])
# 结果: 2 6 10
print('第1,2行中的第0,2,3列元素为: ',arr[1:3,(0,2,3)])
# 结果:
# [[ 4 6 7]
# [ 7 9 10]]
方法三: 通过bool值取值(1为取,0为不取)
import numpy as np
arr = np.array([[1,2,3,4,5],[4,5,6,7,8],[7,8,9,10,11]])
print(arr)
# 结果:
# [[ 1 2 3 4 5]
# [ 4 5 6 7 8]
# [ 7 8 9 10 11]]
mask = np.array([1,0,1], dtype = np.bool) # 一维列表(1为取,0为不取),类型为bool
print(arr[mask,2]) # arr[满足条件的行,第几列]
# 此例子应取第0行第2列与第2行第2列
# 结果: [3 9]
mask = np.array([1,0,1], dtype = np.bool)
mask1 = np.array([0,1,0,0,1], dtype = np.bool)
# mask为行数(1为取,0为不取); 第0,2行满足条件 [[ 1 2 3 4 5] [ 7 8 9 10 11]]
# mask1为列数(1为取,0为不取); 第2,4列满足条件
# 结果应取[(0,2),(1,4)]
# 注意: 行数和列数要一一对应
print(arr[mask,mask1])
# 结果: [2 11]
print(arr[(0,2),(1,4)]) # 实现效果同arr[mask,mask1]
# 结果: [2 11]
import numpy as np
# 取第1、3、8行,每一行所有对应第2、4、9列的值
arr = np.arange(100).reshape((10,10))
print(arr)
# 结果:
# [[ 0 1 2 3 4 5 6 7 8 9]
# [10 11 12 13 14 15 16 17 18 19]
# [20 21 22 23 24 25 26 27 28 29]
# [30 31 32 33 34 35 36 37 38 39]
# [40 41 42 43 44 45 46 47 48 49]
# [50 51 52 53 54 55 56 57 58 59]
# [60 61 62 63 64 65 66 67 68 69]
# [70 71 72 73 74 75 76 77 78 79]
# [80 81 82 83 84 85 86 87 88 89]
# [90 91 92 93 94 95 96 97 98 99]]
arr = np.arange(100).reshape((10,10))
mask = np.array([0,1,0,1,0,0,0,0,1,0],dtype=np.bool)
print(arr[mask][:,(2,4,9)])
# 结果:
# [[12 14 19]
# [32 34 39]
# [82 84 89]]