NUmpy(二)

最新推荐文章于 2022-12-09 08:15:00 发布

CL@NPU

最新推荐文章于 2022-12-09 08:15:00 发布

阅读量139

点赞数

分类专栏： python

python 专栏收录该内容

9 篇文章

订阅专栏

本文深入探讨了NumPy中的广播机制，解释了如何处理形状不匹配的数组运算，并介绍了切片、布尔索引、花式索引等高级索引技术。通过实例展示了广播在数组运算中的应用，以及不同索引方式对数据访问的影响。

摘要生成于 C知道，由 DeepSeek-R1 满血版支持，前往体验 >

数组的广播：

如果两个数组的维数不相同，则元素到元素的操作是不可能的。然而，在 NumPy 中仍然可以对形状不相似的数组进行操作，因为它拥有广播功能。较小的数组会广播到较大数组的大小，以便使它们的形状可兼容。广播主要发生在两种情况，一种是两个数组的维数不相等，但是它们的后缘维度的轴长相符，另外一种是有一方的长度为1。

arr=np.array([[1,2,3],[1,2,3]])
arr1=np.array([6,6,6])
print(arr+arr1)
arr2=[5]
print(arr+arr2)

[[7 8 9]
[7 8 9]]
[[6 7 8]
[6 7 8]]
对切片的修改会作用到原数组上：

arr1=np.arange(10)
arr1_slice=arr1[5:8]
arr1_slice[1]=12
print(arr1)
arr1_slice[:] = 64#给切片中所有元素赋值
print (arr1)

[ 0 1 2 3 4 5 12 7 8 9]
[ 0 1 2 3 4 64 64 64 8 9]

注意：如果你想要得到的是ndarray切片的一份副本而非视图，就需要明确地进行复制操作，例如arr[5:8].copy()

访问二维数组，以下两种方式等价。

可以一次传入多个切片：

arr2D=np.array([[1,2,3],[4,5,6],[7,8,8]])
print(arr2D[:2, 1:])#前两行的第一列到最后一列

[[2 3]
[5 6]]

布尔型索引：

arr=np.arange(10)
print(arr[arr>5])

[6 7 8 9]

尔型数组可用于数组索引:

data=np.random.randn(7,3)
print(data)
print(data[[True,False,True,False,False,False,True]])

[[ 1.33454576 1.61999709 -0.59579306]
[-0.52248732 -0.69191544 -0.93783416]
[-0.50489231 -1.04188384 1.41570801]
[ 0.59800739 -1.21177047 -0.80801409]
[-0.58668617 -1.14608395 1.21260938]
[-0.02062519 0.01987195 -1.34360433]
[ 1.97569796 0.19199827 -0.13092105]]
[[ 1.33454576 1.61999709 -0.59579306]
[-0.50489231 -1.04188384 1.41570801]
[ 1.97569796 0.19199827 -0.13092105]]

花式索引（Fancy indexing）指的是利用整数数组进行索引

花式索引跟切片不一样，它总是将数据复制到新数组中。