資訊專欄INFORMATION COLUMN
摘要：一一維數(shù)組的索引與切片對(duì)象的內(nèi)容可以通過索引或切片來訪問和修改，與中的切片操作一樣。在指定位置分裂數(shù)組本身作為一個(gè)參數(shù)，分類位置構(gòu)成的列表作為第二個(gè)參數(shù)同時(shí)也可以對(duì)一維數(shù)組和多位數(shù)組進(jìn)行操作。
1.概述
今天我們來講一下Numpy數(shù)組的索引與切片,numpy數(shù)組的索引與切片和Python中的切片與索引的作用相同,可以快速的取出數(shù)據(jù),進(jìn)行下一步的運(yùn)用或者查看,但是兩種切片還有一些不同的地方。另外我們可以通過數(shù)組的變形拼接分裂快速的對(duì)數(shù)組進(jìn)行做出改變,方便我們更快的對(duì)數(shù)組進(jìn)行操作。
一、一維數(shù)組的索引與切片
ndarray對(duì)象的內(nèi)容可以通過索引或切片來訪問和修改，與 Python 中 list 的切片操作一樣。
ndarray 數(shù)組可以基于 0 - n 的下標(biāo)進(jìn)行索引，切片對(duì)象可以通過內(nèi)置的 slice 函數(shù)，并設(shè)置 start, stop 及 step 參數(shù)進(jìn)行，從原數(shù)組中切割出一個(gè)新數(shù)組。
索引方式:
X[index_value]
切片方式:
X[start:stop:step]
首先創(chuàng)建一個(gè)數(shù)組
對(duì)數(shù)組進(jìn)行索引,找到索引為2和6的元素
對(duì)數(shù)組進(jìn)切片,查找從2開始到8結(jié)束,步長(zhǎng)為2的元素。
需要注意的是,切片的結(jié)果會(huì)產(chǎn)生新的內(nèi)存地址,如果要引用切片值,需要賦值給新的變量。
二、高維數(shù)組索引&切片
與Python原生的列表、元組不同的是，Numpy數(shù)組支持多維數(shù)組的多維索引,每一個(gè)逗號(hào), 代表索引的一個(gè)維度
索引方法：
x[維度，行，列]
x維度[列]
二維和一維數(shù)組可以不指定維度
切片方法：
x[維度的[start:stop:step],行的[start:stop:step],列的[start:stop:step]]
可以不指定步長(zhǎng)，會(huì)默認(rèn)為1
首先設(shè)置兩個(gè)多維數(shù)組
1、索引
1.1索引出x1中第1行第1列的元素
1.2 索引出x2中第1個(gè)維度的第1行第1列的元素
2、切片
設(shè)置一個(gè)5維5行5列的np數(shù)組
2.1 切片出第二個(gè)維度中的第三行數(shù)據(jù)
2.2 切片出第三個(gè)維度中的第二行的第三個(gè)元素
2.3 切片出第二個(gè)維度中的第一行和第三行的第四個(gè)元素
切片出前兩個(gè)維度的第一行和第三行的前兩列
三、修改元素值
1、修改某一個(gè)元素
1.1設(shè)置一個(gè)數(shù)組
1.2轉(zhuǎn)換數(shù)據(jù)類型為浮點(diǎn)型
1.3將f1中的第三個(gè)元素改為3.14
2、修改數(shù)組中的多個(gè)元素
2.1將x3的前三個(gè)模塊的第3行的第4列的元素改為2333
四、其它索引方式
1、整數(shù)索引
如果一個(gè) ndarray 是非元組序列，數(shù)據(jù)類型為整數(shù)或布爾值的 ndarray，或者至少一個(gè)元素為序列對(duì)象的元組，我們就能夠用它來索引 ndarray。高級(jí)索引始終返回?cái)?shù)據(jù)的副本。與此相反，切片只提供了一個(gè)視圖。
整數(shù)索引就是兩種高級(jí)索引的類型之一，另一個(gè)高級(jí)索引方式為 布爾值索引。
整數(shù)索引有助于基于 N 維索引來獲取數(shù)組中任意元素。每個(gè)整數(shù)數(shù)組表示該維度的下標(biāo)值。當(dāng)索引的元素個(gè)數(shù)就是目標(biāo) ndarray 的維度時(shí)，會(huì)變得相當(dāng)直接。以下示例獲取了 ndarray 對(duì)象中每一行指定列的一個(gè)元素。因此，行索引包含所有行號(hào)，列索引指定要選擇的元素。
該結(jié)果包括數(shù)組中 (0,0) ，(1,1) 和 (2,0) 位置處的元素。
但如果需要的是按數(shù)字對(duì)行列同時(shí)進(jìn)行索引的而不是索引單個(gè)值的話，應(yīng)當(dāng)使用下面的方式：
也可以利用數(shù)字索引生成同樣維度的數(shù)組：
2.布爾索引
當(dāng)結(jié)果對(duì)象是布爾運(yùn)算（例如比較運(yùn)算符）的結(jié)果時(shí)，將使用此類型的高級(jí)索引。
2.1設(shè)置一個(gè)4行3列的數(shù)組
2.2查看數(shù)組中大于5的元素
2.3 將數(shù)組中大于5的元素索引出來
五、關(guān)于視圖
關(guān)于數(shù)組切片有一點(diǎn)很重要也非常有用，那就是數(shù)組切片返回的是數(shù)組數(shù)據(jù)的視圖，而不是數(shù)值數(shù)據(jù)的副本。這一點(diǎn)也是 NumPy 數(shù) 組切片和 Python 列表切片的不同之處：在 Python 列表中，切片是值的副本。
對(duì)于切片出來的視圖或視圖中索引出來的元素（其實(shí)也是一個(gè)視圖）進(jìn)行修改時(shí)，原始數(shù)據(jù)也會(huì)被改變。因此我們想要保護(hù)原始數(shù)據(jù)，應(yīng)該先創(chuàng)建副本，在副本上進(jìn)行操作，以保證原始數(shù)據(jù)不被修改。
六、數(shù)組的變形拼接分裂
1、數(shù)組的變形
1.1 np.reshape()不改變數(shù)據(jù)的條件下修改形狀
示例：將一個(gè)一維數(shù)組變成3*4數(shù)組
需要注意的是:變換形狀之后的數(shù)組大小必須和原始數(shù)組相同
Xx1的數(shù)組的長(zhǎng)度為10,無法變形為3行4列的數(shù)組,這時(shí)候就會(huì)報(bào)錯(cuò),reshape()還有一個(gè)功能,就是幫我們回去行向量和列變量。
在使用reshape()的時(shí)候,可以將其中一個(gè)維度指定為-1,這樣numpy就會(huì)自動(dòng)計(jì)算出它的真實(shí)值。
1.2 np.newaxis 和reshape()方法獲取行向量和列向量功能一樣，np.newaxis方法也可以幫我們獲取行向量與列向量
行向量:
列向量
Np.newaxis()比np.reshape()更高級(jí)的是：np.newaxis是和索引切片方法一起使用的，可以制定獲取行列向量的長(zhǎng)度，即先切片在轉(zhuǎn)換成行向量或列向量
2、數(shù)組的拼接
當(dāng)我們需要對(duì)多個(gè)數(shù)組進(jìn)行操作時(shí),這時(shí)候就需要拼接數(shù)組了,numpy提供了對(duì)數(shù)組進(jìn)行拼接的方法
2.1 np.concatanate()
數(shù)組本身構(gòu)成的列表作為np.concatenate（）的參數(shù)之一,還有一個(gè)常用的參數(shù)是axis，用來指定拼接的方向:
axis = 0 按行拼接
axis = 1 按列拼接
默認(rèn)的參數(shù)為axis = 0
按行拼接(橫向拼接)
按列拼接(縱向拼接)
2.2np.vstack()
垂直棧拼接,按行拼接,數(shù)組本身構(gòu)成的列表作為np.vstack()的參數(shù)
2.3 np.hstack()
平行棧,按列拼接,數(shù)組本身構(gòu)成的列表作為np.hstack()的參數(shù)
2.4 np.dstack()
第三維度拼接,數(shù)組本身構(gòu)成的列表作為np.dstack()的參數(shù)
3、數(shù)組的分裂
同數(shù)組的拼接一樣,在處理多個(gè)數(shù)組時(shí),也需要將數(shù)組進(jìn)行分裂,numpy同時(shí)也提供了數(shù)組分裂的方法。
3.1 np.split()
在指定位置分裂,數(shù)組本身作為一個(gè)參數(shù)，分類位置構(gòu)成的列表作為第二個(gè)參數(shù),同時(shí)split也可以對(duì)一維數(shù)組和多位數(shù)組進(jìn)行操作。
一維數(shù)組/行向量/列向量
多維數(shù)組
3.2 np.hsplit()
按列在指定位置分裂
3.3 np.vsplit()
按行在指定位置分裂
4.數(shù)組的平鋪
數(shù)據(jù)可以通過np.ravel()方法將多維的數(shù)組平鋪成一維的數(shù)組。
文章版權(quán)歸作者所有，未經(jīng)允許請(qǐng)勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請(qǐng)注明本文地址：http://m.specialneedsforspecialkids.com/yun/43607.html
摘要：發(fā)生這個(gè)異常的原因就是因?yàn)樵谡{(diào)用函數(shù)時(shí)，中的已經(jīng)不再指向?qū)ο蠖侵赶蛄巳謱?duì)象，由于下并沒有屬性，所以輸出。在為綁定的上下文環(huán)境之后，并不會(huì)立即執(zhí)行。方法用于檢查數(shù)組中的是否存在符合條件的項(xiàng)，存在則返回否則返回。 寫作意圖 這篇文章用于總結(jié)一些javascript語言中常見的易混淆點(diǎn)。 call | apply | bind 在js中，最詭異莫測(cè)的莫過于this了，理解的不夠深入或是應(yīng)...
目錄Numpy簡(jiǎn)介Numpy操作集合1、不同維度數(shù)據(jù)的表示1.1 一維數(shù)據(jù)的表示1.2 二維數(shù)據(jù)的表示1.3 三維數(shù)據(jù)的表示2、 為什么要使用Numpy2.1、Numpy的ndarray具有廣播功能2.2 Numpy數(shù)組的性能比Python原生數(shù)據(jù)類型高3 ndarray的屬性和基本操作3.1 ndarray的基本屬性3.2 ndarray元素類型3.3 創(chuàng)建ndarray的方式3.4 ndarr...
摘要：有三種可用的索引字段訪問，基本切片，高級(jí)索引?；厩衅退饕厩衅瑢⒌那衅靖拍顢U(kuò)展到維?；厩衅傻乃袛?shù)組始終是原始數(shù)組的視圖。序列切片的標(biāo)準(zhǔn)規(guī)則適用于基于每維的基本切片包括使用步驟索引。因此，在基本切片下的行為。 https://docs.scipy.org/doc/nu... 索引 ndarrays可以使用標(biāo)準(zhǔn)Python x[obj]語法對(duì)其進(jìn)行索引 ，其中x是數(shù)組，o...
摘要：注意和標(biāo)準(zhǔn)庫類并不相同，后者只處理一維數(shù)組和提供少量功能。然而，指定參數(shù)你可以吧運(yùn)算應(yīng)用到數(shù)組指定的軸上通用函數(shù)提供常見的數(shù)學(xué)函數(shù)如和。在中，這些叫作通用函數(shù)。函數(shù)，另一方面，將一維數(shù)組以行組合成二維數(shù)組。 原文：Quickstart tutorial 譯者：Reverland 來源：試驗(yàn)性NumPy教程(譯) 2.1 先決條件 在閱讀這個(gè)教程之前，你多少需要知道點(diǎn)python。如...
摘要：第行把具名元組以的形式返回。對(duì)序列使用和通常號(hào)兩側(cè)的序列由相同類型的數(shù)據(jù)所構(gòu)成當(dāng)然不同類型的也可以相加，返回一個(gè)新序列。從上面的結(jié)果可以看出，它雖拋出了異常，但仍完成了操作查看字節(jié)碼并不難，而且它對(duì)我們了解代碼背后的運(yùn)行機(jī)制很有幫助。 《流暢的Python》筆記。接下來的三篇都是關(guān)于Python的數(shù)據(jù)結(jié)構(gòu)，本篇主要是Python中的各序列類型 1. 內(nèi)置序列類型概覽 Python標(biāo)準(zhǔn)庫...
閱讀 2238·2021-11-22 09:34
閱讀 1347·2021-10-11 10:59
閱讀 4448·2021-09-22 15:56
閱讀 3304·2021-09-22 15:08
閱讀 3414·2019-08-30 14:01
閱讀 785·2019-08-30 11:16
閱讀 1139·2019-08-26 13:51
閱讀 2920·2019-08-26 13:43
