numpy 按0，1数组取元素

最新推荐文章于 2022-10-03 22:40:36 发布

原创最新推荐文章于 2022-10-03 22:40:36 发布 · 328 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#python #numpy

python3 专栏收录该内容

39 篇文章

订阅专栏

本文展示了如何使用Python的NumPy库通过条件选择操作，从数组a中筛选出值为1的元素，最终得到子集[1, 3, 5, 7, 9]。这个过程突出了数组处理和布尔逻辑在数据筛选中的应用。

import numpy as np

a = np.array([1,2,3,4,5,6,7,8,9,10])
b = np.array([1,0,1,0,1,0,1,0,1,0])

a = a[ b == 1]
print(a)

# output：[1 3 5 7 9]

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

沃·夏澈德

关注关注

1
点赞
踩
0

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

Numpy实现一维二维三维数组元素的选取与修改

2301_77444219的博客

04-21

1151

第20行代码是把数组array1中第1列到第3列的所有元素赋值给f，且f里面包括4个元素，是一个4行3列的二维数组。第21行代码返回一个4行2列的二维数组，把数组array1中第1列和第4列的所有元素赋值给g。第19行代码修改数组中的元素，修改数组中第2个、第4个和第6个的元素为20。第13行代码是把数组array1中的第1行和第2行的所有元素赋值给c。第14行代码是把数组array1中第1行和第3行的所有元素赋值给d。第32行代码是把数组array1中第1行和第3行的所有元素改为50。

【numpy】一维数组与矩阵元素的提取

qq_38290604的博客

05-17

4558

昨天在搭建感知机模型的时候，遇到了一维矩阵中数据提取不出来的情况，所以今天复习一下一维矩阵中数据的提取。 numpy数组一维数组分为1xN和Nx1两种情况，这两种情况对于数据的提取方法是不同的。 1xN 1xN的数组中数据的提取需要使用二维来提取，也就是需要使用两个[][],[0]提取出来的是一行的数据。 Nx1 Nx1的数组数据提取用一个[]就可以 matrix矩阵在numpy中，使用np.matrix()可以将numpy数据转换为矩阵，mat()的具体操作方法可以参考这篇博客numpy之pyt

参与评论您还未登录，请先登录后发表或查看评论

【NumPy】操作数组元素

ZhShy

01-30

1137

文章目录一、通过索引访问数组元素一维数组二维数组二、NumPy中的切片访问slice()函数冒号分隔三、二维数组的转置与展平transpose()函数 —— 转置ravel()方法 —— 降维flatten()函数 —— 降维shape() —— 显式变形一、通过索引访问数组元素一维数组如果把数组名称当作访问数组的起始“指针”（pointer），那么索引就可以理解为偏离这个指针的偏移量（offset）。因此，正向索引时，第1个元素的索引是0（因为指针指向当前元素，不需要偏移，或者偏移量为0），第2个元

详细解释numpy库中slice切片用法 0，1，None

zhang_cherry的博客

09-13

3664

详解numpy库中切片用法 0，1，None 前言在图像处理中，常常会对矩阵进行切片操作，例如，通过切片操作拿出ROI区域，或者做一些变换。常规切片用法 [1:3]取矩阵的[1,3)的第一行和第二行 import numpy as np arr1 = np.arange(40) arr1 = arr1.reshape(5, 8) print(arr1) print('####################################') arr2 = arr1[1:3] print(arr2)

numpy数组切片操作之[:,2]、[-1:,0:2]、[1:,-1:]等都是啥？

热门推荐

Activewaste

07-07

6万+

注：最近在看代码，有好多关于numpy库的函数，尤其对于numpy数组，什么[:,2]、[-1:,0:2]、[1:,-1:]搞得一脸懵逼，百度没找到解释得很到位的，官网教程也也真是够简洁的。所以，还是得自己去实打实的敲一下，加强理解。 numpy数组切片操作通过冒号分隔切片参数 start:stop:step 来进行切片操作：形如： b = a[2:7:2] # 从索引 2 开始到索引 7...

numpy 数组填充 0、1和各种值

weixin_44493841的博客

01-07

5793

numpy 数组填充 0、1和各种值文章目录numpy 数组填充 0、1和各种值一维数组相同值边缘值递减值最大值平均值中位数最小值边缘对称边缘外的空气对称原数组二维数组 import numpy as np arr1D = np.arange(1, 4) print(arr1D) [1 2 3] 一维数组相同值 np.pad( arr1D, # 数据 (2, 3), # 最后一维，左边、右边 'constant' # 填充相同值 ) array([0, 0,

numpy 数组X[:,0]和X[:,1]的详解

doubledog1112的专栏

12-19

1万+

import numpy as np X = np.array ([[0, 1], [2, 3], [4, 5], [6, 7], [8, 9], [10, 11], [12, 13], [14, 15], [16, 17], [18, 19]]) # X[:,0]就是取所有行的第0个数据 print(X[:, 0]) #输出：[ 0 2 4 6 8 10 12 14 16 18] ...

numpy使用技巧之数组过滤实例代码

12-24

本文研究的主要是numpy使用技巧之数组过滤的相关内容，具体如下。当使用布尔数组b作为下标存取数组x中的元素时，将收集数组x中所有在数组b...>>> # 下标为True的取出来，布尔数组中下标为0，2的元素为True，因此获取x

numpy中实现ndarray数组返回符合特定条件的索引方法

09-20

另一个可能的方法是利用NumPy的`numpy.intersect1d()`函数来找到两个数组的交集，分别筛选出大于3和小于100的元素索引，然后取交集。虽然这种方法比前面的循环更简洁，但仍然需要两次条件检查。总的来说，处理...

python NumPy ndarray二维数组按照行列求平均实例

09-18

当我们设置`axis=1`时，`mean()`函数会计算每一行的平均值，并返回一个新的数组，其中每个元素是对应原数组一行的平均值。例如，对于数组`c`，按照行求平均的结果是： ```python print(c.mean(axis=1)) ``` 输出为...

NumPy基础及取值操作

m0_52453038的博客

10-03

6387

NumPy基础及取值操作

【已解决疑】问（二）np.array([[0.1, 0.4],[0.2, 0.5],[0.3, 0.6]])和np.array([0.1, 0.2])究竟是几行几列，且shape出来是否有疑问

焦哥的博客

01-08

1043

矩阵形状的打印究竟是什么样子的一、疑问展示【待解决】2021.1.8 展示

Python数据分析-NumPy模块-选取数组元素

小旺的博客

07-21

2687

一维数组的元素选取选取单个元素 from numpy import array a=array([1,2,5,48,62,9,4,7,2,3,6,9]) # 正序索引，其值是从0开始计数 print(a[0]) print(a[4]) # 倒序索引，其值是从-1开始计数 print(a[-1]) print(a[-5])] 结果：选取连续的元素 from numpy import array a=array([1,2,5,48,62,9,4,7,2,3,6,9]) print(a[1:6]) pr

c++ 二维数组_Numpy数组切片操作

weixin_39728909的博客

11-20

1075

最近看代码，各种numpy的操作，其中有关于np.array的切片真的是看的眼花缭乱，还以为自己以前走过一遍就学的差不多心知肚明了，真正现在又看起来并且自己写还是有些蛋疼。什么a[:,:],a[:,-1],a[1:3,:]等等，这两天又开始敲了一遍，得出的结论就是要总结并且要多练......切片操作属于对numpy的基本操作，能轻松的通过一些语法实现目标列、行的分割和提取，在数据分析里...

numpy中np.array()功能

weixin_38410551的博客

06-05

4万+

功能：将数据转化为矩阵 a=[[1,2,3],[4,5,6],[7,8,9]] b=np.array(a) c=np.asarray(a) a[2]=1 print(a) print(b) print(c) 从中我们可以看出np.array与np.asarray功能是一样的，都是将输入转为矩阵格式。当输入是列表的时候，更改列表的值并不会影响转化为矩阵的值。参考链接： https://bl...

Numpy1·（数组的生成、判断、转换、索引（取出符合条件的数值）、切片）

楼下小白

08-20

1774

#导入 import numpy as np 数组生成 1·直接生成使用字典，列表，元组及其嵌套 '''p91 数组生成函数''' a=np.array([1,2,3,4],dtype=np.float64) #可以指定类型，也可以不指定，不指定就生成给定的数据 b=np.array([[1,2,3,4],[5,6,7,8]]) 数组判断大小 np.size(b)--------...

numpy获取元素

apple_53439775的博客

01-24

1511

利用seed函数可创造特定的随机数数列实现随机数的复现通过random静态对象调用seed函数 import numpy as np np.random.seed(2019) nd8=np.random.random([10]) #获取指定位置的数据 print(nd8[2]) #截取一段数据 print(nd8[3:5]) #截取固定间隔数据 print(nd8[1:4:1]) #倒序取数 print(nd8[::-2]) nd9=np.random.random([3,3]) #截取多维数组中指

[numpy] np.array([0,1,2]) 定义ndarray型数组

doufuxixi的博客

05-19

4483

import numpy as npb = np.array([1,2,3])b.dtypeOut[9]: dtype('int32')

matlab矩阵基础运算

Allyli0022的专栏

03-30

2037

转一、矩阵的加、减、数乘、幂运算，求逆：A＋B，A－B，8A，A的平方，A＊B，A’1.A+B；A-B A=ones(3);B=magic(3);C=A+B，D=A-B； 2.数乘8A 8*A 3.A的平方，A＊B，矩阵A的逆．（1）元素的平方：A.^2 （2）矩阵的平方：A^2; （3）逆：inv(A); （4）矩阵乘法：A*B；（5）元素

Python numpy两个数组取最小