numpy切片和索引

最新推荐文章于 2024-07-28 03:08:33 发布

转载最新推荐文章于 2024-07-28 03:08:33 发布 · 316 阅读

1 ·

CC 4.0 BY-SA版权

原文链接：http://www.cnblogs.com/jian-gao/p/10938131.html

博客主要介绍了numpy的切片和索引操作。通过代码示例展示了如何获取数组特定位置元素，如获取数组四个角元素，以及筛选出大于特定值的元素。还阐述了花式索引，即利用整数数组索引，会将数据复制到新数组，给出了不同索引数组传入的示例。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >


import numpy as np

# x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
# print ('我们的数组是：')
# print (x)
# print ('\n')
# rows = np.array([[0, 0], [3, 3]])
# cols = np.array([[0, 2], [0, 2]])
# y = x[rows, cols]
# print  ('这个数组的四个角元素是：')
# print (y)

# x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
# print ('我们的数组是：')
# print (x)
# print ('\n')
# # 现在我们会打印出大于 5 的元素
# print '大于 5 的元素是：'
# print (x[x > 5])


"""
花式索引
花式索引指的是利用整数数组进行索引。
花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。
对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素；
如果目标是二维数组，那么就是对应下标的行。花式索引跟切片不一样，它总是将数据复制到新数组中。
"""
x = np.arange(32).reshape((8, 4))
print x

# 传入顺序索引数组
# print (x[[4, 2, 1, 7]])

# 传入倒序索引数组
# print (x[[-4, -2]])

# 传入多个索引数组（要使用np.ix_）
print (x[np.ix_([1, 5], [0, 3, 1])])

转载于:https://www.cnblogs.com/jian-gao/p/10938131.html