Numpy学习笔记之ndarray的索引和切片

最新推荐文章于 2024-08-06 20:29:58 发布
最新推荐文章于 2024-08-06 20:29:58 发布
阅读量7.2k 收藏 6
点赞数 3
分类专栏： 数据挖掘 文章标签： python numpy 索引 数据分析 学习笔记
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/weq27/article/details/70171624
版权
本文详细介绍了Numpy中ndarray的一维和二维基本索引与切片，强调它们返回的是视图并举例说明了复制操作。还涵盖了布尔型索引的使用，包括各种比较操作符，并指出通过布尔索引设置值非常方便。最后，讨论了花式索引的概念，说明它返回的是副本，并展示了如何进行多维度的花式索引以及使用np.ix_函数选取块区域。
摘要由CSDN通过智能技术生成
Numpy学习笔记之ndarray的索引和切片
1. 基本索引和切片
一维数组和python列表结构差不多，基本索引和切片得到的结果都是原始数组的视图，修改视图也会修改原始数组。
若想得到副本而非视图，就需要进行显式的复制操作，例如arr[5:8].copy()。

最低0.47元/天 解锁文章
weq27
关注
  • 3
    点赞
  • 踩
  • 6
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
专栏目录
python必备库 学习笔记 numpy
12-21
- **索引**：一维数组的索引与Python列表相似，而二维数组支持切片和多索引。 - **遍历**：可以使用for循环遍历数组的所有元素，或者使用`.flatten()`或`.flat`迭代器。 - **轴操作**：`numpy.axis` 在数组操作中...
Numpy: ndarray的索引
buzhidao2333shuosha的博客
12-08 7731
前言 在我第一次接触到ndarray这一数据结构时，其索引的使用与Python列表的相似而其结果的差异让我很困惑，我想这也是很多新手会遇到的问题。所以弄懂ndarray的索引是十分重要的。 1. 基础索引与切片 与Python内键列表索引相似所引起的疑惑或不适在一维情况和二维情况均存在，将其分开说明。 1) 一维情况 在一维情况下，ndarray索引的使用语法与Python列表完全相同，不同之处在于其对数据复制的处理。 在Python列表中，索引创建的切片是对列表内容创建了一份副本，在切片上的任何修改对原列
python中ndarray数组的索引和切片
weixin_41855010的博客
02-09 2278
索引和切片相当于是对数组中内容的读（read）或者查询（inquiry）。是我们获取有用信息（demanded infomation）的重要方法。 对于索引 对于1维数组：在数组名的后面用中括号[]包括索引编号，括号中填写所查询数组的编码。比如：data[1] 对于n维数组：有两种方式 第一种：用列表表示所查询数的坐标值，如data_2dim[1,0] 第二种：把多维数组看成一位数组套娃，依...
Numpy学习与总结
最新发布
2401_83649983的博客
08-06 753
NumPy 数组中的元素通常是同一数据类型，因此它们在内存中占用的空间是固定的，但在某些情况下（比如使用结构化数组或对象数组），元素可能有不同的大小。随机生成10X10的数组，x_trian为前9列的80%的数据，x_test为前9列的20%的数据，y_trian为剩下一列的80%，y_test为剩下一列的20%轴是数组的一个维度。例如，对于二维数组，第一个轴是沿着行的方向，第二个轴是沿着列的方向。#表示数组的维度，返回一个元组，这个元组的长度就是维度的数目，即 ndim 属性(秩)。
numpy教程04---ndarray的索引
qq_38727995的博客
03-31 4146
ndarray的索引，包括一维数组、二维数组和更高维数组的索引方式，还介绍了花式索引的使用和np.ix_的使用。
Numpy数据分析02——切片和索引
qq_44777595的博客
09-25 2600
ndarray对象的内容可以通过索引或切片来访问和修改，与Python中list的切片操作一样。 ndarray数组可以基于0-n的下标进行索引 注意：区别在于数组切片是原始数组视图（这就意味着，如果做任何修改，原始数组都会跟着更改）。这也意味着，如果不想更改原始数组，我们需要进行显式的复制，从而得到它的副本(.copy())。 通过切片和copy复制原列表都是复制赋值，通过直接等于是引用赋值。 冒号:的解释：如果只放置一个参数，为什么切片和区间会忽略最后一个元素 计算机科学家edsger w.dij
python numpy中对ndarry按照index(位置下标)增删改查
呆萌的代Ma
02-09 1831
在numpy中的ndarry是一个数组，因此index就是位置下标，注意下标是从0开始 增加：在插入时使用np.insert()，在末尾添加时使用np.append() 删除：需要使用np.delete() 修改：直接指定下标 查找：直接指定下标 示例代码 import numpy as np if __name__ == '__main__': array = np.array(["a", "b", "c", "d", "e", "f", "g"]) # 插入到指定的index
[Python/PyTorch基础] Numpy学习笔记
12-21
- **索引和切片**：通过索引可以访问数组中的单个元素，切片可以获取子数组。 - **算术运算**：Numpy支持加、减、乘、除等基本运算，以及更复杂的数学函数如平方根、指数、对数等。 - **数组变形**：使用`reshape`...
python进阶学习笔记-Numpy和SciPy
12-20
Numpy通常与SciPy库一起使用，SciPy是建立在Numpy基础之上的一个科学计算工具包，提供了更高级的算法和函数，如最优化、积分、插值、统计、信号处理和图像处理等。这两个库的组合构成了强大的科学计算环境，对于数据...
Numpy学习笔记整理.pdf
03-04
本文学习笔记整理了Numpy在数组操作、索引、通用函数、随机数生成、属性操作等方面的知识点。 首先，Numpy数组是处理数值计算的关键数据结构。在Numpy中，数组的创建可以通过`np.arange`函数结合`reshape`方法来...
python学习笔记-机器学习库numpy
08-19
Python是当今世界上最受欢迎的编程语言之一，特别是在数据分析和机器学习领域。Numpy是Python中的一个核心库，专门用于处理大型多维数组和矩阵。它为高级数学运算提供了强大的支持，是进行科学计算的基础。本篇笔记...
Python 玩转数据 3 - NumPy ndarray Array Indexing, Slicing, Striding, View Subarray,Copy Subarray
wumingxiaoyao的博客
12-12 589
主要介绍 NumPy ndarray 的 Indexing, Slicing, Striding 索引，分片访问，及 view subarray 视图子数组，copy subarray 拷贝子数组。
numpy - 数组索引
02-18 267
numpy 数组索引 一、单个元素索引 一维数组索引 >>> x = np.arange(10) >>> x[2] 2 >>> x[-2] 8 二维数组索引 >>> x.shape = (2,5) # now x is 2-dimensional >>> x[1,...
numpy 索引和切片
Henry的博客
05-16 3219
1. 索引元素 数组的索引和列表相似 2. 切片 数组的切片也和列表类似，并且支持负索引，左开右闭形式 省略参数写法 省略第一个参数，默认从开头开始取值（左开右闭） 省略第二个参数，默认取到结束，包括最后一个索引值 3. 应用举例 计算电影的每日票房收入 就是拿第二天的票房减去前一天的票房 4. 多维数组 多维数组的形状：shape -------2 行，4列 查看元素的总个数：size------8 查看数组的维度：ndim -...
【python数据分析（3）】 Numpy索引及切片
lys_828的博客
02-24 893
一维数组索引及切片 import numpy as np ar = np.arange(20) print(ar) print(ar[4]) print(ar[3:6]) –> 输出的结果为： [ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19] 4 [3 4 5] 二维数组索引及切片 ar = np.arange(16...
numpy数据索引与切片
weixin_43092663的博客
04-08 4846
详细介绍numpy的切片和索引，尤其是使用：进行切片，并进一步介绍了整数数组索引、布尔索引和花式索引
关于AttributeError:‘numpy.ndarray‘ object has no attribute ‘index‘
热门推荐
huanhuaqian的博客
12-17 26万+
使用了一段时间的python，发现一个被忽略的ndarray和list的不同之处。 先上例子： 代码： import numpy as np array = [[0,0],[0,1],[0,2],[2,2],[3,3],[4,4]] Indexs = [1,2,3] print("first array:",array) array = np.
numpy ndarray 返回 index 问题
weixin_30735745的博客
07-19 707
经常遇到需要返回满足条件的index。 python中没有which函数，但有列表推导式， 可以实现类似功能 y= np.array([3,2,5,20]) yOut[131]: array([ 3, 2, 5, 20]) [x for x in range(y.shape[0]) if y[x]>3]Out[129]: [2, 3] 输出满足条件的索引号 In [2...
Python--ndarray 常用属性详解
m0_69073685的博客
07-12 3811
1. 描述维度的属性--shape 1.1 改变原始数组的维度 1.2 视图变维 1.3 复制变维 2. 数组的索引操作--index 2.1 一维数组的索引切片 2.2 多维数组的切片 2.2.1 二维数组的切片 2.2.2 三维数组的切片 3. ndarray 掩码 3.1 布尔掩码 3.2 索引掩码 4. ndarray 的属性...
评论
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