首页 > 其他分享 >numpy基本操作

numpy基本操作

时间:2023-10-16 17:12:43浏览次数:37  
标签:10 12 array2 array1 基本操作 array numpy Out

   

1.3.1 索引

  • 单个元素索引:一维数组、负数索引
  • 二维数组的索引

1.3.2 切片

  • 切片
  • 跨步
  • 索引数组: 针对多为数组的索引
  • 索引结合切片
  In [1]:
import numpy as np
  In [2]:
# 一维数组索引
array1 = np.array([1,2,3,4,5])
array1
  Out[2]:
array([1, 2, 3, 4, 5])
  In [3]:
# 取第4个数值
array1[3]
  Out[3]:
4
  In [5]:
array1[-2]  # 倒数第2个数字
  Out[5]:
4
  In [6]:
# 二维数组
array2 = np.arange(14).reshape(2,7)
array2
  Out[6]:
array([[ 0,  1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12, 13]])
  In [7]:
# 第一行第三列数字
array2[0,3]
  Out[7]:
3
  In [8]:
array2[0][3]
  Out[8]:
3
  In [9]:
array2[-1,-1]
  Out[9]:
13
  In [10]:
array2[0,-1]
  Out[10]:
6
  In [11]:
# 三维数组
array3 = np.arange(30).reshape(2,3,5)
array3
  Out[11]:
array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])
  In [12]:
array3[0,1,2]
  Out[12]:
7
  In [13]:
# 切片
array1
  Out[13]:
array([1, 2, 3, 4, 5])
  In [15]:
array1[0:3]   # a~b,a<=x<b
  Out[15]:
array([1, 2, 3])
  In [16]:
array1[2:6]
  Out[16]:
array([3, 4, 5])
  In [17]:
array1[2:]
  Out[17]:
array([3, 4, 5])
  In [20]:
array1[:-1]
  Out[20]:
array([1, 2, 3, 4])
  In [21]:
# 二维数组的切片
array2
  Out[21]:
array([[ 0,  1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12, 13]])
  In [36]:
array2[0:1,:]    # 行参数、列参数
  Out[36]:
array([[0, 1, 2, 3, 4, 5, 6]])
  In [26]:
array2[1:,:]    # 行参数、列参数
  Out[26]:
array([[ 7,  8,  9, 10, 11, 12, 13]])
  In [28]:
array2[:,3:4]
  Out[28]:
array([[ 3],
       [10]])
  In [29]:
array2[0:,3:4]
  Out[29]:
array([[ 3],
       [10]])
  In [30]:
array2[1:,3:4]
  Out[30]:
array([[10]])
  In [35]:
array2[0:1,3:4]
  Out[35]:
array([[3]])
  In [32]:
# 三维数组
array3
  Out[32]:
array([[[ 0,  1,  2,  3,  4],
        [ 5,  6,  7,  8,  9],
        [10, 11, 12, 13, 14]],

       [[15, 16, 17, 18, 19],
        [20, 21, 22, 23, 24],
        [25, 26, 27, 28, 29]]])
  In [33]:
array3[0:1,2:,:]
  Out[33]:
array([[[10, 11, 12, 13, 14]]])
  In [34]:
array3[0:1,2:,:][0,0,2]
  Out[34]:
12
  In [37]:
# 索引多个数值
array1
  Out[37]:
array([1, 2, 3, 4, 5])
  In [38]:
array1[np.array([0,2,4])]   # 获取第1位,第3位,第5位的数值
  Out[38]:
array([1, 3, 5])
  In [39]:
# 二维数组
array2
  Out[39]:
array([[ 0,  1,  2,  3,  4,  5,  6],
       [ 7,  8,  9, 10, 11, 12, 13]])
  In [40]:
array2[np.array([0,1]),np.array([1,2])]  # 获取第1行第2列,第2行第3列数字
  Out[40]:
array([1, 9])
  In [ ]:  

标签:10,12,array2,array1,基本操作,array,numpy,Out
From: https://www.cnblogs.com/mlzxdzl/p/17767808.html

相关文章

  • Numpy数据运算
    1.4-NumPy数组运算  1.4.1算术运算¶add加subtract减multipie乘divide除1.4.2数学运算¶三角函数:sin,cos,tan算术运算1.4.3统计运算¶mean均值average均值var方差std标准差1.4.4聚合运算¶性能区别:np聚合函数和py内置函数sum......
  • 无涯教程-NumPy - reshape函数
    此函数在不更改数据的情况下为数组提供了新的维度,它接受以下参数-numpy.reshape(arr,newshape,order')Sr.No.描述1arr数组2newshapeint或int的元组,新维度应与原始维度兼容3order如果数组存储在类似Fortran的连续内存中,则"C"表示C风格,"F"表示Fortran风格,"......
  • 无涯教程-NumPy - Matplotlib
    Matplotlib是Python的绘图库,它与NumPy一起使用,提供了一个环境,是MatLab的有效开源替代方案,它可以与PyQt和wxPython等图形工具包一起使用Matplotlib模块最初由JohnD.Hunter编写。自2012年以来,MichaelDroettboom是主要开发人员。目前,Matplotlib版本。1.5.1是可用的稳定版本。......
  • 无涯教程-NumPy - 算术运算
    用于执行算术运算(如add(),subtract(),multipli()和divide())的输入数组必须具有相同的维度或符合数组broadcasting规则。importnumpyasnpa=np.arange(9,dtype=np.float_).reshape(3,3)print'Firstarray:'printaprint'\n'print'Secondarray:'b=......
  • 无涯教程-NumPy - 数学函数
    可以理解,NumPy包含大量的各种数学运算,NumPy提供标准的三角函数,算术运算功能,处理复数等。三角函数NumPy具有标准三角函数,该函数返回给定角度的弧度的三角比例。importnumpyasnpa=np.array([0,30,45,60,90])print'Sineofdifferentangles:'#通过乘以pi/180转......
  • 无涯教程-NumPy - 按位运算符
    以下是NumPy包中可用的按位运算功能。Sr.No.描述1bitwise_and计算数组元素的按位与运算2bitwise_or计算数组元素的按位或运算3invert按位计算NOT4left_shift将二进制表示形式的位向左移动5right_shift将二进制表示形式的位向右移参考链接https://ww......
  • 无涯教程-NumPy - 数组操作
    NumPy包中提供了一些例程来处理ndarray 对象中的元素。它们可以分为以下类型-Changing维度Sr.No.Shape&Remark1reshape在不更改数据的情况下为数组赋予新的维度2flat数组上的一维迭代器3flatten返回折叠成一维的数组的副本4ravel返回一个连续的扁平数组Tr......
  • 无涯教程-NumPy - 遍历数组
    NumPy包含一个迭代器对象numpy.nditer,这是一个有效的多维迭代器对象,使用它可以遍历数组。使用Python的标准Iterator迭代接口访问数组的每个元素。让无涯教程使用arange()函数创建一个3X4数组,并使用nditer对其进行迭代。示例1importnumpyasnpa=np.arange(0,60,5)a=a......
  • 无涯教程-NumPy - 数值范围
    在本章中,无涯教程将看到如何从数值范围创建数组。numpy.arange此函数返回一个ndarray对象,该对象包含给定范围内的均匀间隔的值。该函数的格式如下-numpy.arange(start,stop,step,dtype)构造函数采用以下参数。Sr.No.Parameter&描述1start间隔的开始。如果省略,则......
  • 无涯教程-NumPy - 高级索引
    有两种类型的高级索引-Integer索引和Boolean索引。整数索引根据数组的N维索引选择数组中的任意项,每个整数数组代表该维度的索引数,当索引与目标ndarray的维数一样时,它变得很简单。示例1importnumpyasnpx=np.array([[1,2],[3,4],[5,6]])y=x[[0,1,2],[0,1......