Numpy库（三）：数组处理

---

一、索引、切片与迭代、遍历

（1）索引机制

数组索引是指用方括号加序号的形式引用单个数组元素。新建数组后，会自动生成和数组大小一致的索引。

同Python列表的索引相似，Numpy中的数组索引同样可以使用负数。

如若需要同时输出多个元素，可以将所需的元素索引以一个列表的形式传入。

import numpy as np
a = np.arange(10,16)
print('输出原数组元素：', a)
print('输出第三个元素：', a[2])
print('输出负一个元素：', a[-1])
print('输出多个元素  ：', a[[1, 3, 4]])

输出结果如下：

输出原数组元素： [10 11 12 13 14 15]
输出第三个元素： 12
输出负一个元素： 15
输出多个元素  ： [11 13 14]

二维数组又称为矩阵，矩阵是以行和列组成的矩形数组。二维数组的索引用一对值来表示： [行索引, 列索引]

import numpy as np
a = np.arange(10, 19).reshape(3, 3)
print('输出原数组元素：\n', a)
print('一行二列的元素：', a[0, 1])

输出结果如下：

输出原数组元素：
 [[10 11 12]
 [13 14 15]
 [16 17 18]]
一行二列的元素： 11

（2）切片方法

切片操作是指抽取数组的部分元素从而生成新数组。切片的句法是通过冒号分隔切片参数 start:stop:step 来进行切片操作

• 在切片中，包含start，但不包括stop元素
• 如省略不填start参数，则默认为0
• 如省略不填stop参数，则默认为最大索引值
• 如省略不填step参数，则默认为1
• 对于二维数组，依旧需要分行和列进行切片
• 对于二维数组，若抽取的行或列的索引不连续，则可以将所需的索引以一个列表的形式传入
  

import numpy as np
a = np.arange(10, 16)
b = np.arange(10, 19).reshape(3, 3)

print('*'*10, '一维数组切片', '*'*10)
print('原数组：', a)
print('切片1：', a[::])
print('切片2：', a[0:5:2])
print('切片3：', a[::2])
print('*'*10, '二维数组切片', '*'*10)
print('切片1：\n', b[:2,:2])
print('切片2：\n', b[[0,2],:])
print('切片3：\n', b[0,:])

输出结果如下：

********** 一维数组切片 **********
原数组： [10 11 12 13 14 15]
切片1： [10 11 12 13 14 15]
切片2： [10 12 14]
切片3： [10 12 14]
********** 二维数组切片 **********
切片1：
 [[10 11]
 [13 14]]
切片2：
 [[10 11 12]
 [16 17 18]]
切片2：
 [10 11 12]

（3）迭代方法

对Numpy数组元素的迭代可以直接使用for循环即可。所谓迭代就是依次序获取到数组中的每个元素。

import numpy as np
a = np.arange(10, 16)
b = np.arange(10, 19).reshape(3, 3)

print('*'*10, '一维数组迭代', '*'*10)
# 获取每个元素
for i in a:
    print(i, end='  ')
print()

print('*'*10, '二维数组迭代', '*'*10)
print('获取每行元素')
for row in b:
    print(row)
print('获取所有元素')
for i in b.flat:
    print(i, end='  ')
print()

输出结果如下：

********** 一维数组迭代 **********
10  11  12  13  14  15  
********** 二维数组迭代 **********
获取每行元素
[10 11 12]
[13 14 15]
[16 17 18]
获取所有元素
10  11  12  13  14  15  16  17  18  

（4）遍历方法

除了采用for循环外，可以采用Numpy内置的函数**apply_along_axis()**进行按行或按列遍历操作：

• 传入的第一个参数为操作函数名，即对遍历元素进行的操作
• 传入的第二个参数axis可选值为0或1，0表示按列操作而1则是按行操作
• 传入的第三个参数arr为所遍历的数组

import numpy as np
b = np.arange(10, 19).reshape(3, 3)

# 按列求平均值
print('按列求平均：\n', np.apply_along_axis(np.mean, axis=0, arr=b))
print('按行求平均：\n', np.apply_along_axis(np.mean, axis=1, arr=b))

输出结果如下：

按列求平均：
 [13. 14. 15.]
按行求平均：
 [11. 14. 17.]

其中，传入的操作函数可以为自定义函数。

二、逻辑、排序

（1）逻辑判断

Numpy内置了用于逻辑判断的函数all()和any()

• all()函数用于判断数组是否所有元素都为True
• any()函数用于判断数组中是否有任一元素为True
• 返回值为布尔值
• 通常逻辑判断会与布尔运算进行配合使用。

import numpy as np
a = np.array([True, True, True])
b = np.array([True, False, True])
c = np.array([False, False, False])

print('全真数组判断是否任意为真  ：', np.all(a))
print('非全真数组判断是否任意为真：', np.all(b))
print('非全真数组判断是否任一为真：', np.any(b))
print('全假数组判断是否任一为真  ：', np.any(c))

输出结果如下：

全真数组判断是否任意为真  ： True
非全真数组判断是否任意为真： False
非全真数组判断是否任一为真： True
全假数组判断是否任一为真  ： False

（2）排序方式

在Numpy中主要用于排序的函数为sort() 和argsort()

• sort()函数返回输入数组的排序副本
• argsort()函数返回输入数组元素的索引
• 传入参数axis表示按行或按列进行排序，可选值为1（按行）或0（按列）。

直接排序的方式如下：

import numpy as np
a = np.array([
    [8, 5, 6, 7],
    [3, 1, 4 ,2],
])
print('直接排序(按行)：\n', np.sort(a, axis=0))
print('直接排序(按行)：\n', a[a.sort(axis=0)])
print('直接排序(按列)：\n', np.sort(a, axis=1))
print('直接排序(按列)：\n', a[a.sort(axis=1)])

输出结果如下：

直接排序(按行)：
 [[3 1 4 2]
 [8 5 6 7]]
直接排序(按行)：
 [[[3 1 4 2]
  [8 5 6 7]]]
直接排序(按列)：
 [[1 2 3 4]
 [5 6 7 8]]
直接排序(按列)：
 [[[1 2 3 4]
  [5 6 7 8]]]

根据索引进行排序的方式如下：

import numpy as np
b = np.random.randn(3,3)
print('原数组(按行)  ：\n', b)
print('索引排序(按行)：\n', b.argsort(axis = 1))
print('索引排序(按列)：\n', b.argsort(axis = 0))
print('索引排序(按行)：\n', np.argsort(b, axis=1))
print('索引排序(按列)：\n', np.argsort(b, axis=0))

输出的结果如下，此函数的返回值为排序元素的索引值：

原数组(按行)  ：
 [[ 2.20612425 -0.75872485  1.03808758]
 [-0.24576707  0.04071721  0.25264738]
 [-0.35807198  0.51390736  0.37083124]]
索引排序(按行)：
 [[1 2 0]
 [0 1 2]
 [0 2 1]]
索引排序(按列)：
 [[2 0 1]
 [1 1 2]
 [0 2 0]]
索引排序(按行)：
 [[1 2 0]
 [0 1 2]
 [0 2 1]]
索引排序(按列)：
 [[2 0 1]
 [1 1 2]
 [0 2 0]]