python從list列表中選出一個(gè)數(shù)和其對(duì)應(yīng)的坐標(biāo)方法
例1:給一個(gè)列表如下,里面每個(gè)元素對(duì)應(yīng)的是x和y的值
a = [[5,2],[6,3],[8,8],[1,3]]
現(xiàn)在要挑出y的值為3對(duì)應(yīng)的x的值,即6和1
import numpy as np
a = [[5,2],[6,3],[8,8],[1,3]]
#c=np.mat(a),因?yàn)橹挥芯仃嚕ㄒ部梢杂胊rray)才能用a[0,0]這樣的調(diào)用
#表示第一個(gè)數(shù)的用法而list沒(méi)有,故在最后append需要用到
#注意:array也沒(méi)有index這樣的用法(只有l(wèi)ist有,此題a已經(jīng)是list),
#使用index要改成list
c = np.mat(a)
b = []
for i in range(len(a)):
try: #使用try...except...是因?yàn)楸热?不在第一個(gè)[5,2]中會(huì)報(bào)錯(cuò)并終止運(yùn)行
b_index = a[i].index(3) #使用index尋找3所在的索引值
except:
pass #pass表示如果報(bào)錯(cuò)那么跳過(guò)并繼續(xù)下一個(gè)
else: #如果沒(méi)有報(bào)錯(cuò)則進(jìn)行else內(nèi)容
b.append(c[i,0])
print(b)
#結(jié)果為
[6,1]
或者使用簡(jiǎn)單的如下:
a = [[5,2],[6,3],[8,8],[1,3]] x = [i for i in a if 3 in i] print(x)

例2:
已知一系列坐標(biāo)(x,y,z,h)分別對(duì)應(yīng)橫坐標(biāo)縱坐標(biāo)z坐標(biāo)和高,現(xiàn)在要在x-y平面畫(huà)出h=0.00221圖(實(shí)際上就是等高線圖)
h保留5位小數(shù)。

上面只展示了一小部分?jǐn)?shù)據(jù)
1,導(dǎo)入數(shù)據(jù)
import matplotlib.pyplot as plt import numpy as np data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/41+95+150/r_0.01/sigma_F_0.1/sigma_F=0.1/threefre.txt')
2,將第四列即h保留5位小數(shù)
for i in range(len(data)):
data[i,3] = float('%.5f'%data[i,3])
3,將h=0.00211對(duì)應(yīng)的x,y坐標(biāo)找到并保存到x_mat和y_mat中
x_mat = []
y_mat = []
for i in range(len(data)):
try:
data_index = list(data[i]).index(0.00211)
except:
pass
else:
x_mat.append(data[i,0])
y_mat.append(data[i,1])
4,畫(huà)散點(diǎn)圖
plt.scatter(x_mat,y_mat) plt.show()
結(jié)果如下:

完整代碼:
import matplotlib.pyplot as plt
import numpy as np
data = np.loadtxt(r'/media/sf_Share/fisher_matrix/myLSPE/data/41+95+150/r_0.01/sigma_F_0.1/sigma_F=0.1/threefre.txt')
for i in range(len(data)):
data[i,3] = float('%.5f'%data[i,3])
#data_list = list(data)
x_mat = []
y_mat = []
for i in range(len(data)):
try:
data_index = list(data[i]).index(0.00211)
except:
pass
else:
x_mat.append(data[i,0])
y_mat.append(data[i,1])
plt.scatter(x_mat,y_mat)
plt.show()
以上這篇python從list列表中選出一個(gè)數(shù)和其對(duì)應(yīng)的坐標(biāo)方法就是小編分享給大家的全部?jī)?nèi)容了,希望能給大家一個(gè)參考,也希望大家多多支持腳本之家。
相關(guān)文章
python 牛頓法實(shí)現(xiàn)邏輯回歸(Logistic Regression)
這篇文章主要介紹了python 牛頓法實(shí)現(xiàn)邏輯回歸(Logistic Regression),幫助大家更好的進(jìn)行機(jī)器學(xué)習(xí),感興趣的朋友可以了解下2020-10-10
Flask表單與表單驗(yàn)證實(shí)現(xiàn)流程介紹
這篇文章主要介紹了python中Flask?Web?表單的使用方法介紹,表單的操作是Web程序開(kāi)發(fā)中最核心的模塊之一,絕大多數(shù)的動(dòng)態(tài)交互功能都是通過(guò)表單的形式實(shí)現(xiàn)的。更多介紹需要的小伙伴可以參考下面文章內(nèi)容2022-09-09
python負(fù)載均衡的簡(jiǎn)單實(shí)現(xiàn)方法
這篇文章給大家介紹用python實(shí)現(xiàn)最簡(jiǎn)單的負(fù)載均衡方法,即將請(qǐng)求發(fā)送到未宕機(jī)的服務(wù)器上,感興趣的朋友一起看看吧2018-02-02
django fernet fields字段加密實(shí)踐詳解
這篇文章主要介紹了django fernet fields字段加密實(shí)踐詳解,文中通過(guò)示例代碼介紹的非常詳細(xì),對(duì)大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價(jià)值,需要的朋友可以參考下2019-08-08
PyTorch深度學(xué)習(xí)模型的保存和加載流程詳解
PyTorch是一個(gè)開(kāi)源的Python機(jī)器學(xué)習(xí)庫(kù),基于Torch,用于自然語(yǔ)言處理等應(yīng)用程序。2017年1月,由Facebook人工智能研究院(FAIR)基于Torch推出了PyTorch,這篇文章主要介紹了PyTorch模型的保存和加載流程2021-10-10
Python實(shí)現(xiàn)決策樹(shù)C4.5算法的示例
本篇文章主要介紹了Python實(shí)現(xiàn)決策樹(shù)C4.5算法的示例,詳解的介紹了決策樹(shù)C4.5算法的原理和實(shí)現(xiàn)代碼,非常具有實(shí)用價(jià)值,需要的朋友可以參考下2018-05-05

