numpy使用技巧之?dāng)?shù)組過(guò)濾實(shí)例代碼
更新時(shí)間：2018年02月03日 14:00:50 作者：linzch3
這篇文章主要介紹了numpy使用技巧之?dāng)?shù)組過(guò)濾實(shí)例代碼，分享了相關(guān)代碼示例，小編覺(jué)得還是挺不錯(cuò)的，具有一定借鑒價(jià)值，需要的朋友可以參考下
本文研究的主要是numpy使用技巧之?dāng)?shù)組過(guò)濾的相關(guān)內(nèi)容，具體如下。
當(dāng)使用布爾數(shù)組b作為下標(biāo)存取數(shù)組x中的元素時(shí)，將收集數(shù)組x中所有在數(shù)組b中對(duì)應(yīng)下標(biāo)為T(mén)rue的元素。使用布爾數(shù)組作為下標(biāo)獲得的數(shù)組不和原始數(shù)組共享數(shù)據(jù)空間，注意這種方式只對(duì)應(yīng)于布爾數(shù)組(array)，不能使用布爾列表（list）。
>>> x = np.arange(5,0,-1) >>> x array([5, 4, 3, 2, 1]) >>> x[np.array([True, False, True, False, False])] >>> # 下標(biāo)為T(mén)rue的取出來(lái)，布爾數(shù)組中下標(biāo)為0，2的元素為T(mén)rue，因此獲取x中下標(biāo)為0,2的元素 array([5, 3]) >>> x[[True, False, True, False, False]]#Error，這不是我們想要的結(jié)果 >>> # 如果是布爾列表，則把True當(dāng)作1, False當(dāng)作0，按照整數(shù)序列方式獲取x中的元素 array([4, 5, 4, 5, 5]) >>> x[np.array([True, False, True, True])] >>> # 布爾數(shù)組的長(zhǎng)度不夠時(shí)，不夠的部分都當(dāng)作False array([5, 3, 2]) >>> x[np.array([True, False, True, True])] = -1, -2, -3#只修改下標(biāo)為T(mén)rue的元素 >>> # 布爾數(shù)組下標(biāo)也可以用來(lái)修改元素 >>> x array([-1, 4, -2, -3, 1])
注意：布爾數(shù)組一般不是手工產(chǎn)生的，通常我們使用一條布爾表達(dá)式來(lái)得到，如：
>>> x = np.random.rand(10) # 產(chǎn)生一個(gè)長(zhǎng)度為10，元素值為0-1的隨機(jī)數(shù)的數(shù)組
>>> x
array([ 0.72223939, 0.921226 , 0.7770805 , 0.2055047 , 0.17567449,
0.95799412, 0.12015178, 0.7627083 , 0.43260184, 0.91379859])
>>> x>0.5
>>> # 數(shù)組x中的每個(gè)元素和0.5進(jìn)行大小比較，得到一個(gè)布爾數(shù)組，True表示x中對(duì)應(yīng)的值大于0.5
array([ True, True, True, False, False, True, False, True, False, True], dtype=bool)
>>> x[x>0.5]# x>0.5是一個(gè)布爾數(shù)組
>>> # 使用x>0.5返回的布爾數(shù)組收集x中的元素，因此得到的結(jié)果是x中所有大于0.5的元素的數(shù)組
array([ 0.72223939, 0.921226 , 0.7770805 , 0.95799412, 0.7627083 ,
0.91379859])
總結(jié)
以上就是本文關(guān)于numpy使用技巧之?dāng)?shù)組過(guò)濾實(shí)例代碼的全部?jī)?nèi)容，希望對(duì)大家有所幫助。感興趣的朋友可以繼續(xù)參閱本站其他相關(guān)專(zhuān)題，如有不足之處，歡迎留言指出。感謝朋友們對(duì)本站的支持！
相關(guān)文章
今天小編就為大家分享一篇對(duì)python中的高效迭代器函數(shù)詳解，具有很好的參考價(jià)值，希望對(duì)大家有所幫助。一起跟隨小編過(guò)來(lái)看看吧2018-10-10
可視化圖表有很多種，這篇文章主要介紹了Python繪制六種可視化圖表詳解的方法，非常不錯(cuò)，具有一定的參考借鑒價(jià)值,需要的朋友可以參考下2018-08-08
詳解appium+python 啟動(dòng)一個(gè)app步驟
這篇文章主要介紹了詳解appium+python 啟動(dòng)一個(gè)app步驟，小編覺(jué)得挺不錯(cuò)的，現(xiàn)在分享給大家，也給大家做個(gè)參考。一起跟隨小編過(guò)來(lái)看看吧2017-12-12
Celery是一個(gè)簡(jiǎn)單、靈活且可靠的，處理大量消息的分布式系統(tǒng)，專(zhuān)注于實(shí)時(shí)處理的異步任務(wù)隊(duì)列，同時(shí)也支持任務(wù)調(diào)度。接下來(lái)通過(guò)本文給大家介紹Python中celery的使用詳解，感興趣的朋友一起看看吧2021-08-08
這篇文章主要為大家介紹了python正則表達(dá)式re模塊的使用示例詳解，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2023-06-06
linux環(huán)境部署清華大學(xué)大模型最新版 chatglm2-6b 圖文教程
這篇文章主要介紹了linux環(huán)境部署清華大學(xué)大模型最新版 chatglm2-6b ,結(jié)合實(shí)例形式詳細(xì)分析了Linux環(huán)境下chatglm2-6b部署相關(guān)操作步驟與注意事項(xiàng),需要的朋友可以參考下2023-07-07
Python中將兩個(gè)或多個(gè)list合成一個(gè)list的方法小結(jié)
python中，list這種數(shù)據(jù)結(jié)構(gòu)很常用到，如果兩個(gè)或者多個(gè)list結(jié)構(gòu)相同，內(nèi)容類(lèi)型相同，我們通常會(huì)將兩個(gè)或者多個(gè)list合并成一個(gè)，這樣我們?cè)傺h(huán)遍歷的時(shí)候就可以一次性處理掉了2019-05-05
Python使用os模塊實(shí)現(xiàn)更高效地讀寫(xiě)文件
os是python標(biāo)準(zhǔn)庫(kù)，包含幾百個(gè)函數(shù)常用路徑操作、進(jìn)程管理、環(huán)境參數(shù)等好多類(lèi)。本文將使用os模塊實(shí)現(xiàn)更高效地讀寫(xiě)文件，感興趣的可以學(xué)習(xí)一下2022-07-07
Python計(jì)算機(jī)視覺(jué)SIFT尺度不變的圖像特征變換
這篇文章主要為大家介紹了Python計(jì)算機(jī)視覺(jué)SIFT尺度不變的圖像特征變換，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進(jìn)步，早日升職加薪2022-05-05
Pandas庫(kù)中dataframe.corr()函數(shù)的使用
dataframe.corr()是Pandas庫(kù)中的一個(gè)函數(shù),用于計(jì)算DataFrame中各列之間的相關(guān)系數(shù),本文主要介紹了Pandas庫(kù)中dataframe.corr()函數(shù)的使用,具有一定的參考價(jià)值,感興趣的可以了解一下2024-07-07