三、ndarray的基本操作 索引和切片
1.索引维与列表完全一致 多维时同理
2.切片维与列表完全一致多维时同理
将数据反转,例如[1,2,3]—>[3,2,1]
两个::进行切片
——————————————————————————————————————————-
1.索引维与列表完全一致 多维时同理
#列表的访问方式 arr2 = np.array ([[1, 2, 3], [4, 5,6]]) arr2[0][0]
#运行输出 1
#numpy特有的访问方式 arr2 = np.array ([[1, 2, 3], [4, 5,6]]) arr2[0,0]
#运行输出 1
# 高级用法
#2. 使用BOOL列表作为索引访问, True对应的值会被返回 arr1=np.array ([[1, 2, 3, 4, 5]]) bool_list = [True,False,True,False,True] arr1[0,bool_list] #arr1[0][bool_list]
#运行输出 array([1, 3, 5])
#eg获取大于3的数 arr2=np.array ([1, 2, 3, 4, 5]) arr2>3 #运行输出 array([False, False, False, True, True]) arr2[arr2>3] #运行输出 array([4, 5])
2.切片维与列表完全一致多维时同理
arr3=np.random.randint(0,100,size=(5,6)) arr3
array([[84, 69, 67, 45, 55, 32], [35, 85, 36, 47, 34, 40], [10, 8, 63, 21, 85, 80], [49, 16, 23, 75, 96, 12], [67, 36, 26, 6, 36, 87]])
#行切片 arr3[0:2]
array([[84, 69, 67, 45, 55, 32],
[35, 85, 36, 47, 34, 40]])
#列切片 不论多少维,每一个维度的切片范围都是用冒号表示,使用逗号分割,最后一个维度可以省略,但是被切片的维度之前的维度不能省 arr3[:,0:2]
array([[84, 69], [35, 85], [10, 8], [49, 16], [67, 36]])
#将数据反转,例如[1,2,3]—>[3,2,1]
#将数组反转 arr4=np.array([1,2,3,4,5]) arr4 arr4[::-1]
array([5, 4, 3, 2, 1])
原文地址:http://www.cnblogs.com/988MQ/p/16885887.html
1. 本站所有资源来源于用户上传和网络,如有侵权请邮件联系站长!
2. 分享目的仅供大家学习和交流,请务用于商业用途!
3. 如果你也有好源码或者教程,可以到用户中心发布,分享有积分奖励和额外收入!
4. 本站提供的源码、模板、插件等等其他资源,都不包含技术服务请大家谅解!
5. 如有链接无法下载、失效或广告,请联系管理员处理!
6. 本站资源售价只是赞助,收取费用仅维持本站的日常运营所需!
7. 如遇到加密压缩包,默认解压密码为"gltf",如遇到无法解压的请联系管理员!
8. 因为资源和程序源码均为可复制品,所以不支持任何理由的退款兑现,请斟酌后支付下载
声明:如果标题没有注明"已测试"或者"测试可用"等字样的资源源码均未经过站长测试.特别注意没有标注的源码不保证任何可用性