【Python】numpy数组索引

numpy数组索引是一个大话题,有很多种方式可以让你选中数据中的子集或者某个元素。主要有以下四种方式:
在这里插入图片描述

一,基础索引

在一维数组中,你可以使用中括号指定索引获取第i个值(从0开始计数),但是对于多维的数组,每个索引值对应的元素不再是一个数值,例如,在一个二维数组中,将得到一个以为数组。单个元素可以继续索引,或者传递一个索引的列表选择单个元素。

import numpy as np
arr = np.arange(9).reshape((3,3))
arr[0]  # array([0, 1, 2])
arr[0][0]  # 0
arr[0,0]   # 0

这种方式获取的数据为原数组的视图,对于视图数值的修改,也会修改原数组数值。

二·,切片索引

numpy切片与Python列表的标准切片语法相同,通过切片可以灵活地得到一个子数组。与基础索引一样,切片索引也是原数组的视图,修改数据也会作用于原数组。

arr[:2,1:]
"""
array([[1, 2],
       [4, 5]])
"""

切片索引有两个实用的应用:
1,获取数组的单行或者单列。

arr[0,:]  # array([0, 1, 2]) 获取第1行
arr[:,0]  # array([0, 3, 6]) 获取第1列

2,数组的逆序。

arr[::-1,::-1]   # 对整个数组进行逆序
"""
array([[6, 7, 8],
       [3, 4, 5],
       [0, 1, 2]])
"""
arr[::-1,:]   #行逆序
"""
array([[6, 7, 8],
       [3, 4, 5],
       [0, 1, 2]])
"""
arr[:,::-1]  # 列逆序
"""
array([[2, 1, 0],
       [5, 4, 3],
       [8, 7, 6]])
"""

三,布尔索引

布尔索引主要是利用的布尔数组,当数组的比较操作(比如==、>=)也是可以向量化,这些比较运算的结果是一个布尔数据类型的数组。该数组与原数组的长度和形状都是一致,我们可以获取到对应位置为True的值。

bool_arr = arr>3
arr[bool_arr]   # array([4, 5, 6, 7, 8])

通过布尔索引获得的子数组为副本,修改后不影响原数组。

arr = np.array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
arr2 = arr[ arr>3]
arr2 = -1
arr
"""
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
"""

布尔数组操作

1,统计记录个数
如果需要统计布尔数组中True的个数,可以使用np.count_nonzero函数

np.count_nonzero(arr>3) # 5

另一种方法是使用np.sum,False会被解释为0,而True被解释为1。sum()可以沿着行或列求和。

np.sum(arr>3)  # 5
#每一列中大于3的个数
np.sum(arr>3,axis=0)  # array([1, 2, 2])

2,快速地检查是否包含True

np.all(arr>3)  # False   all 全部为True时,返回True,否则返回False
np.any(arr>3)  # True    any 至少有一个为True时,返回True,否则返回False
# np.all() 和 np.any()也可以沿着特定的轴。 
np.all(arr>7,axis=0)  # array([False, False, False])
np.any(arr>7,axis=0)   # array([False, False,  True])

3,python中的关键字and 和 or 对布尔数组不起作用,需要使用逐位逻辑运算符(&,|,^)
当使用 and 或者 or 时,就等于让python将整个数组当作布尔对象;
当使用 & 或者 | 时,表达式操作的是数组中的元素,每个元素逐位运算。

# 每个元素逐位逻辑运算
a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
a & b  # array([ True, False,  True,  True, False])
a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
a and b 
ValueError: The truth value of an array with more than one element is ambiguous. Use a.any() or a.all()

a and b 之所以报错,是因为,无法知道a和b整个数组,分别是Ture还是False。没法进行and运算,可以使用np.all() 或者 np.any()对整个数组进行判断。

a = np.array([1,0,1,1,0],dtype=bool)
b = np.array([1,0,1,1,0],dtype=bool)
np.all(a) and np.any(b)  # False

四,数组索引

数组索引在概念上很简单,通过一个数组来一次性获取多个元素,

arr[[1,2]]
"""
array([[3, 4, 5],
       [6, 7, 8]])
"""
arr[[1,2],[0,1]]
# array([3, 7]) 分别获取[1,0],[2,1]

在使用数组索引时,有两个点需要注意:
1,使用数组索引,结果的形状不是与被索引的数组的形状一致。

arr.shape  # (3, 3)
ind = np.array([[0,2],[1,2]])    
arr[ind].shape  # (2, 2, 3)

2,操作重复的索引可以会产生一些出乎意料的结果。

x = np.zeros(10)
x[[0,0]] = [4,6]

上面的代码执行后,x的结果为array([6., 0., 0., 0., 0., 0., 0., 0., 0., 0.])
这里会有疑问,4去哪里了?其实上面的代码等同于赋值两次。

A=1
A,A = 2,3
A  # 3 

A=2,然后A=3,所以最后结果为3。

继续设想以下操作:

x = np.zeros(10)
x[[0,0]] +=1
x[0]   # 1

按照之前的想法,x[0]的输出结果应该的2,然而结果却是1。x[[0,0]] +=1其实可以拆开为:x[0],x[0] = x[0]+1,x[0]+1 ,换个简单的例子:

a = 1
a,a=a+1,a+1
print("a="+str(a))

a的结果为2,a,a=a+1,a+1的指向步骤是:
1,先计算等号右边的结果,(2,2)
2,将右边的结果赋给左边:a=2,a=2。

在看一个例子:

a = 1
b = 2
a,a=b,a+b
print("a="+str(a))

a的结果为3,a,a=b,a+b的指向步骤是:
1,先计算等号右边的结果,(2,3)
2,将右边的结果赋给左边:a=2,a=3。

numpy数组索引真的是一个大话题,可以引申出许多东西的,还可以将四种方式混合使用,只要知道每种方式的特点,混合使用也不是问题。如有错误,欢迎留言指出。

参考:《Python数据科学手册》

  • 4
    点赞
  • 14
    收藏
  • 打赏
    打赏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
©️2022 CSDN 皮肤主题:技术黑板 设计师:CSDN官方博客 返回首页
评论

打赏作者

杨jun坚

你的鼓励将是我创作的最大动力

¥2 ¥4 ¥6 ¥10 ¥20
输入1-500的整数
余额支付 (余额:-- )
扫码支付
扫码支付:¥2
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
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、C币套餐、付费专栏及课程。

余额充值