npy一维数组如何对给出的索引进行反选

最新推荐文章于 2023-03-25 22:17:19 发布

原创

最新推荐文章于 2023-03-25 22:17:19 发布 · 2.7k 阅读

3 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy

本文介绍了如何在numpy一维数组中，根据给定的索引进行反选操作。以一个示例说明了如何创建bool型索引数组，并利用该索引选择不在给定索引列表中的元素。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

本文主要解释了如何根据给定的索引对一维数组进行反选的操作。
以下文数据为例

import numpy as np
data = np.array(
    [ 0.93825827,  0.26701143, 0.99121108,  0.35582816, 0.90154837,  0.86254049, 0.83149103,  0.42222948<

最低0.47元/天解锁文章

200万优质内容无限畅学

确定要放弃本次机会？

福利倒计时

: :

立减 ¥

普通VIP年卡可用

立即使用

Cy_coding

关注关注

1
点赞
踩
3

收藏

觉得还不错? 一键收藏
0
评论
分享

复制链接

分享到 QQ

分享到新浪微博

扫一扫
举报

举报

专栏目录

Python numpy 转置、逆、去掉一列、按列取出、矩阵拼接、矩阵排序、矩阵相等、np.where，一维转二维

shutuozhui7077的博客

11-01

8125

Python numpy 转置、逆、去掉一列、按列取出、矩阵拼接、矩阵排序、矩阵相等、np.where，一维转二维

numpy的切片和索引

m0_58425034的博客

11-23

967

#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], [

参与评论您还未登录，请先登录后发表或查看评论

Numpy一维数组索引/切片/反转

m0_47026232的博客

02-05

574

Numpy一维数组索引/切片/反转。

Javascript（三）javascript数组及简单使用（全选和反选）

一枝韩独秀的博客

08-05

2869

一、JS的数组 1、定义数组和赋值定义变量的同时赋数组值，那么这个变量就是一个数组变量了。 //默认下标就是从0开始 var bbb = [ 'ab', 'liu', 'bao' ]; 也可以先定义数组变量，然后再赋值。 //js 数组 var arr = new Array(3); arr[0] = "hello"; arr[...

Numpy杂记

对算法理论、算法工程落地、大数据工具等感兴趣

08-23

657

#创建多维数组 m=np.array([np.arange(2),np.arange(2)]) out:[[0 1] [0 1]] m=np.array([[1,2],[3,4]]) out:[[1 2] [3 4]] #选取数组元素 m=np.array([[1,2],[3,4]]) m[0,1] out:2 #数组的形式 m=np.array([[1,2],[3,4]]) ...

Python每日一练——第10天：经典问题猴子吃桃

努力让自己发光，对的人才能迎着光而来

06-28

2万+

Python每日一练——第10天：经典问题猴子吃桃 1. 算法描述 2. 算法分析 3. 算法思路 4. 代码实现

图像的运算

m0_73815298的博客

03-25

230

opencv图像的运算相关操作

Numpy系统学习（五）数组元素运算

专注于人工智能的算法与应用

02-14

1531

主要围绕Numpy数组元素的基本运算，如代数运算，位运算，数学运算，统计运算等

numpy 索引、切片（交换和反转）

weixin_53680017的博客

03-26

3162

1.交换数组arr中的列1和列3（交换二维数组中的两列） import numpy as np arr = np.arange(9).reshape(3, 3) print(arr) >>> print(arr) [[0 1 2] [3 4 5] [6 7 8]] >>> x = arr[:, [2, 1, 0]] # 行不管，列按下标交换顺序 >>> print(x) [[2 1 0] [5 4 3] [8 7 6]] note：交

numpy库学习笔记一——ndarray

qq_53226437的博客

02-15

650

Numpy库学习 NumPy，是Numerical Python的简称，它是目前Python数值计算中最为重要的基础包。大多数计算包都提供了基于NumPy的科学函数功能，将NumPy的数组对象作为数据交换的通用语。以下内容将会出现在NumPy中： ndarray——一种高效多维数组，提供了基于数组的便捷算术操作以及灵活的广播功能。对所有数据进行快速的矩阵计算，而无须编写循环程序。对硬盘中数组数据进行读写的工具，并对内存映射文件进行操作。线性代数、随机数生成以及傅里叶变换功能。用于连接NumPy到

numpy取反操作符和Boolean类型与0-1表示

泛用演化计算、通用人工智能优化模型

11-08

2万+

numpy~运算符和Boolean类型变量觉得有用的话,欢迎一起讨论相互学习~Follow Me numpy中取反运算符~可以将Boolean类型值取反，这在使用boolean类型数组选择数组中固定元素时十分有用。 import numpy as np a=np.array([0,0,1,1]).astype(&quot;bool&quot;) b=np.arange(4) print(&quot;b\n&quot;,b) # b...

关于全选、反选，批量删除

苟冬新

12-21

544

全选/反选 //全选/反选 function checkOpposite() { //获取所有复选框name属性值为check将其存入数组 var arr = $(&amp;quot;[name='check']&amp;quot;); for (var i = 0; i &amp;amp;lt; arr.length; i++) { if (arr[i].checked) { arr[i].checked = fal

【Python】详解pandas的isin索引和~反向索引

brucewong0516的博客

05-09

2万+

有的时候会经常遇到条件过滤的场景，这个时候可能经常使用isin或者是~来进行一步操作，而不是写条件语句的方式，这样来提高效率和简洁度。 1、直接根据条件进行索引，isin()接受一个列表，判断该列中元素是否在列表中 import numpy as np import pandas as pd df=pd.DataF...

Numpy学习之 一维数组元素选取

LOUISLIAOXH的专栏

12-07

2万+

ndarray的一维数组的元素选取与Python列表的切片操作很相似，与列表不同的时，获取的数据组成一个新数组但与原有的数组共享一个内存存储空间，即数据更改获取得到的数据中某个元素的值，原有数组也会产生相应变化。

TutorialsPoint NumPy 教程

最新发布

04-02

### 如何将四维数组拆分为多个二维数组在 NumPy 中，可以通过 `np.split` 或者其变体（如 `np.hsplit`, `np.vsplit`）来实现高维数组的拆分。对于一个四位 `.npy` 数组，目标是将其拆分为多个二维数组，这通常涉及指定要沿哪个轴进行拆分以及希望得到多少个子数组。以下是具体的操作方式： #### 方法一：使用 `np.split` `np.split` 是一种通用的拆分工具，允许我们通过设置 `axis` 参数来控制拆分的方向。假设有一个形状为 `(m, n, p, q)` 的四维数组，如果想按某个特定维度拆分成多个二维数组，则需明确该维度上的索引位置[^5]。 ```python import numpy as np # 假设这是一个 (2, 3, 4, 5) 形状的 4 维数组 arr_4d = np.random.rand(2, 3, 4, 5) # 按照第 0 轴拆分，即 m 方向 sub_arrays_axis0 = np.split(arr_4d, arr_4d.shape[0], axis=0) print(f"Number of sub-arrays along axis 0: {len(sub_arrays_axis0)}") # 如果需要进一步调整成纯 2D 数组形式 reshaped_sub_arrays_axis0 = [sub_array.squeeze() for sub_array in sub_arrays_axis0] for i, reshaped_arr in enumerate(reshaped_sub_arrays_axis0[:2]): print(f"Reshaped Sub-array {i} shape:", reshaped_arr.shape) ``` 上述代码中，`squeeze()` 函数被用来移除大小为 1 的单维度条目，从而获得纯粹的二维数组结构。 #### 方法二：利用 `np.reshape` 和切片操作另一种方法是对原始数据重新定义形状并应用切片技术。这种方法更加灵活，尤其当不关心具体的分割数量而只关注最终结果时尤为适用。 ```python # 使用 reshape 并结合 slice 来获取一系列 2D 子矩阵 flattened_shape = (arr_4d.shape[0]*arr_4d.shape[1], arr_4d.shape[2]*arr_4d.shape[3]) reshaped_arr = arr_4d.reshape(flattened_shape) # 输出前几个重塑后的 2D 阵列 for idx in range(min(3, flattened_shape[0])): print(f"Flattened and Reshaped Array Slice {idx}: \n{reshaped_arr[idx]}") ``` 这里的关键在于理解如何合理地改变原数组的布局以便于后续处理[^4]。 #### 注意事项 - **内存消耗**：频繁调用 `copy` 或创建新视图可能会增加程序运行期间所需的额外存储空间。 - **性能考量**：针对大规模的数据集执行复杂的转换可能会影响效率；因此建议提前规划好计算流程以减少不必要的中间步骤[^1]。 ---