python数据分析numpy索引切片

import numpy as np
arr=np.array([1,2,3,4,5])
arr
array([1, 2, 3, 4, 5])
arr.dtype
dtype('int32')
np.zeros(10)
array([ 0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.,  0.])
np.zeros((3,4))
array([[ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.],
       [ 0.,  0.,  0.,  0.]])

注意empty并非返回空值,很多情况下是随机的,文档如下
empty, unlike zeros, does not set the array values to zero, and may therefore be marginally faster. On the other hand, it requires the user to manually set all the values in the array, and should be used with caution

np.empty((2,3,3))
array([[[  6.23042070e-307,   4.67296746e-307,   1.69121096e-306],
        [  6.23062102e-307,   8.45593934e-307,   7.56593017e-307],
        [  1.11261027e-306,   1.11261502e-306,   1.42410839e-306]],

       [[  7.56597770e-307,   6.23059726e-307,   1.42419530e-306],
        [  1.11261027e-306,   1.60218491e-306,   1.69122046e-306],
        [  1.42419802e-306,   2.22522596e-306,   2.56765117e-312]]])

np.ones((2,3))
array([[ 1.,  1.,  1.],
       [ 1.,  1.,  1.]])
#n*n单位矩阵
np.eye(3)
np.identity(3)
array([[ 1.,  0.,  0.],
       [ 0.,  1.,  0.],
       [ 0.,  0.,  1.]])

索引和切片
数组切片是原始数据的视图,视图上的任何修改都会反映到源数据上,这点不同于列表

arr
array([1, 2, 3, 4, 5])
#切片从0 开始,包含左不包含右
arr[1:3]
array([2, 3])
#数据切片是原始数据的视图,视图上的任何修改都会反映到源数据上;
arr[3:5]=10

arr
array([ 1,  2,  3, 10, 10])
arr2d=np.array([[1,2,3],[4,5,6],[7,8,9]])
arr2d
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
#切片是沿着某个轴向选取元素
arr2d[1]
array([4, 5, 6])
arr2d[1,2]
6

花式索引
花式索引是将数据复制到新数组

arr=np.arange(32).reshape((8,4))

arr
array([[ 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]])
arr[[4,3,5,6],[3,2,1,0]]
array([19, 14, 21, 24])
  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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