17【numpy读取本地数据和索引】02numpy中的索引和切片

最新推荐文章于 2022-07-31 22:09:55 发布
最新推荐文章于 2022-07-31 22:09:55 发布
阅读量125 收藏
点赞数
分类专栏： 数据分析2 文章标签： python numpy 索引
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/yuhui_2000/article/details/110495290
版权
这篇博客详细介绍了在numpy中如何进行数据的索引和切片操作，包括取行、取列、取行和列的通用方法，以及如何使用步长进行选择。通过实例展示了如何选取单行、连续多行、不连续多行以及如何避免取列时的错误。总结部分强调了理解和掌握这些索引技巧对于有效处理numpy数组的重要性。
摘要由CSDN通过智能技术生成

numpy索引和切片

题目

对于刚刚加载出来的数据，我如果只想选择其中的某一行（某一列），我们应该怎么做呢?

在这里插入图片描述

在这里插入图片描述

其实操作很简单，和python中列表的操作一样

取行

  • 取一行
arr[n]  # 第n+1行

在这里插入图片描述

  • 取连续多行
arr[90:]  # 第91行到最后一行  取连续的多行

在这里插入图片描述

  • 取不连续的多行
# 取不连续的多行
arr[[1,3,6]]  # 取的是第2、4、7行

arr[[多行索引]]

在这里插入图片描述

取行和列的通用方法

  • arr[行的索引,列的索引]

在这里插入图片描述

在这里插入图片描述
在这里插入图片描述

取列

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
为什么会出现这个错误？

在这里插入图片描述
在这里插入图片描述

取行和列

  • arr[行索引,列索引]

在这里插入图片描述
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

  • arr[[a,b],[c,d]]
    (a,c) (b,d)

  • arr[[a],[b,c]]
    (a,b) (a,c)

  • arr[[a,b],[c]]
    (a,c) (b,c)
    在这里插入图片描述
    在这里插入图片描述

取步长

在这里插入图片描述

总结

  • arr[行索引，列索引]
    第行索引 第列索引 公共区域
  • arr[[a,b],[c,d]]
    (a,c) (b,d)
  • arr[[a],[b,c]]
    (a,b) (a,c)
  • arr[[a,b],[c]]
    (a,c) (b,c)
yuhui_2000
关注
专栏目录
numpy的基本用法（二）数据的读取、转置、切片、索引
qq_47250064的博客
07-19 697
本文主要介绍数据的读取、转置、切片、索引
numpy数组，numpy索引，numpy中nan和常用方法
最新发布
weixin_55438199的博客
12-25 644
numpy基础知识
NumPy读取本地数据和索引
weixin_42067873的博客
11-01 578
一、轴（axis） 在numpy中可以理解为方向，使用0，1，2...数字表示，对于一个一维数组，只有一个0轴；对于2维数组（shape(2,2)），有0轴和1轴；对于三维数组（shape(2,2,3)），有0，1，2轴 二、numpy读取数据（不经常使用<了解>） 1、读取文件类型 2、读取文件的方法 unpack参数：矩阵转置 现在这里有一个英国和美国各自YouTube多个视频的点击，喜欢，不喜欢，评论数量（["views", "likes", "dis
综述numpy数组索引和列表索引的用法与比较
kuabiku的博客
12-16 904
列表因为里面元素可为不同类型，例如 b = [1] a = ["str", 1.0, 2, None, b] print(a) # ['str', 1.0, 2, None, [1]] 所以其功能仅支持索引，切片，还有一个特殊用法：列表推导式。 （当然List类方法有很多，对应有很多其他功能，本文这里只讨论其索引的用法） b = [1] a = ["str", 1.0, 2, None, b] # 切片 print(a[::-1]) # 倒序 [[1], None, 2, 1.0, 'str.
python numpy 索引_详解numpy高级索引
weixin_39962675的博客
02-19 726
如果一个ndarray是非元组序列，数据类型为整数或布尔值的ndarray，或者至少一个元素为序列对象的元组，我们就能够用它来索引ndarray。高级索引始终返回数据的副本。 与此相反，切片只提供了一个视图。整数索引例1索引的第一个列表提供行号，第二个列表提供列号，获取了数组中(0,0)，(1,1)和(2,0)位置处的元素。>>>import numpy as np>&gt...
numpy第三章-索引器、多级索引
Sun123234的博客
07-31 1754
numpy第三章-索引器、多级索引
NumPy索引介绍——数组的索引和切片
weixin_43276033的博客
03-27 2539
NumPy的数组对象ndarrays可以和Python标准序列数据类型一样，使用 x[obj] 进行索引操作。其中，x是数组，obj是索引选择。有三种可用的索引：基本切片、高级索引、字段访问。
Python 中pandas索引切片读取数据缺失数据处理问题
09-18
本文将深入探讨如何使用pandas处理索引切片读取数据时遇到的缺失数据问题。 首先，让我们了解pandas中两个关键的数据结构： 1. **Series**：Series是一种一维数据结构，类似于带标签的数组。它由一组数据（可以是...
numpy的切片和索引
m0_58425034的博客
11-23 924
#数组的属性 np01 = np.array([1,2,3,4]) np01 = np.array([[1,2,3,4]]) #print(np01.ndim) print(np01.shape) print(np01.size) print(np01.dtype) print(np01.itemsize) #一个字节默认是8为 32/8 = 4 print(np01.nbytes)#一个数字字节4，4*4=16 list01 = [ [1,2], [3,4], [
利用numpy和pandas构建带行索引名和列索引名的二维矩阵
qq_42031142的博客
03-24 2417
目录 1、先展示一下结果 2、具体方法： 3、注意点 1、先展示一下结果 如图，该矩阵具有行索引名和列索引名 2、具体方法： (1) 先用numpy构造二维矩阵 (2) 再利用pandas赋予行索引名和列索引名 import pandas as pd import numpy as np matrix_zeros = np.zeros([16, 4]) row_index = [str([0, 1]), str([0, 2]), str([0, 3]), str([0, 4]),
numpy数据索引与切片
weixin_43092663的博客
04-08 4857
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
Python学习笔记--Numpy--Numpy 数组及其索引
qq_32187313的博客
03-27 1370
原文：https://github.com/lijin-THU/notes-python/blob/master/03-numpy/03.03-numpy-arrays.ipynbNumpy 数组及其索引先导入numpy：In [1]:from numpy import * 产生数组从列表产生数组：In [2]:lst = [0, 1, 2, 3] a = array(lst) a Out[2]:...
python数组下标不连续_python - 在2d numpy数组中连接非连续列的有效方法 - SO中文参考 - www.soinside.com...
weixin_34570241的博客
01-14 487
索引和连接的替代方法是首先连接索引。np.r_这样做很方便(虽然不是最快的)：In [40]: np.r_[22,24:27]Out[40]: array([22, 24, 25, 26])用你的数组测试：In [29]: rand_data = np.random.rand(156,26)In [31]: new_array = np.concatenate((rand_data[:,[22]]...
numpy中的布尔值行索引及列向量与单列矩阵的转化
数清风的博客
05-29 1816
在利用布尔值对numpy矩阵进行索引的时候，发现只能用列向量进行索引，单位列矩阵无法索引。举例子如下： 有x矩阵： x Out[122]: array([[1, 2], [3, 4], [1, 3], [4, 6], [7, 7]]) 有y矩阵： y Out[123]: array([[ 1], [-1], ...
numpy用法3: numpy的索引
studywithsawyer
01-10 622
一维数组索引多维数组索引多维数组元素索引：多维数组整行索引：多维数组整列索引：多维数组行或列某段的索引：遍历数组以行遍历以列遍历展开遍历每个元素 一维数组索引 数组[数组位置-1] import numpy as np A=np.arange(3,15) print(A) print(A[3])#一维数组索引第x+1个元素 多维数组索引 多维数组元素索引： 数组[行坐标-1][列坐标-1] 数组[行坐标-1，列坐标-1] A1=np.arange(3,15).reshape((3,4)) print(.
numpy 中索引/切片/取行和取列
Jiashilin
03-26 4693
#!/usr/bin/env python # -*- coding:utf-8 -*- # Author: Jia ShiLin import numpy as np t1 = np.arange(16).reshape((4, 4)) print(t1) # 取行 print('*' * 15) # 分割线*********** print(t1[[2],]) # 不连续多行,注意...
【numpy】02索引
weixin_50883256的博客
10-22 194
副本与视图 在 Numpy 中，尤其是在做数组运算或数组操作时，返回结果不是数组的 副本 就是 视图。 在 Numpy 中，所有赋值运算不会为数组和数组中的任何元素创建副本。 numpy.ndarray.copy()创建一个副本。 对副本数据进行修改，不会影响到原始数据，它们物理内存不在同一位置。 【例】 import numpy as np x = np.array([1, 2, 3, 4, 5, 6, 7, 8]) y = x y[0] = -1 print(x) # [-1 2 3 4 5
Numpy的布尔索引与花式索引，二维数组索引时，分别用布尔类型数组作为行索引和列索引
qq_44237479的博客
06-05 1511
目录 布尔索引 花式索引 (Fancy Indexing) 二者的联系？ 申明：本文中提到的数组就是特指numpy的数据结构ndarray，同理，一维数组或者N维数组，也是指一维活着N维ndarray。 本文转自简书：https://www.jianshu.com/p/743b3bb340f6 ...
04【matplotlib】02matplotlib的基础绘图和调整x轴的刻度
yuhui_2000的博客
11-27 6480
matplotlib折线图例题 matplotlib绘制折线图 通过下面的小例子我们来看一下matplotlib该如何简单的使用 假设一天中每隔两个小时(range(2,26,2))的气温(℃)分别是 [15,13,14.5,17,20,25,26,26,27,22,18,15] 运行结果 分析 1.matplotlib自动地帮助我们生成x轴和y轴上的刻度，这和我们在代码中指定的x轴和y轴的数据是不一样的 我们指定的x轴和y轴数据 x=range(2,26,2) # x轴数据，是一个可迭代对象 y=
numpy数组索引与切片深度解析
"numpy中索引和切片详解" 在Python的科学计算库numpy中，索引和切片是操作数组数据的基础方法，尤其对于一维和多维数组。本篇将详细解析numpy中的这些概念。 一、一维数组的索引和切片 一维数组的索引与Python的...
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