Python numpy ndarray屬性,索引,切片
更新時間：2022年09月29日 15:43:22 作者：正在學(xué)習(xí)中的李斌
這篇文章主要介紹了Python numpy ndarray屬性,索引,切片,文章圍繞主題展開詳細(xì)的內(nèi)容介紹，具有一定的參考價值，需要的小伙伴可以參考一下
一、ndarray 的重要屬性
- dtype屬性：返回ndarray數(shù)組的數(shù)據(jù)類型，數(shù)據(jù)類型的種類。
- ndim屬性：返回數(shù)組維度的數(shù)量。
- shape屬性：返回數(shù)組對象的尺度，對于矩陣，即n行m列,shape是一個元組（tuple）。
- size屬性：返回用來保存元素的數(shù)量，相當(dāng)于shape中n×m的值。
- T屬性：返回數(shù)組轉(zhuǎn)置。
二、切片
1. 一維切片
import numpy as np arr_1d = np.arange(12) arr_1d[:4] # 省卻起始，默認(rèn)從0開始 arr_1d[6:11] arr_1d[0:11:2] # 指定步長為 2 arr_1d[12:6:-1] # 反向切片
1. 二維切片
如果是多維數(shù)組，只需在每個維度之間用 ‘,’ 隔開。
import numpy as np arr_2d = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) arr_2d[0:2, 0:2] arr_2d[0:2, -3:] #前2行，倒數(shù)第3列開始 arr_2d[-2:, ::2] # 倒數(shù)第2行開始 列根據(jù)步長2，每隔一列取一列
三、索引
1. 一維數(shù)組索引
import numpy as np arr_1d = np.arange(12) arr_1d[4] arr_1d[-2] # 反向索引 arr_1d[[2,4,6,7,8,9]] # 同事索引多個
2. 二維數(shù)組索引
import numpy as np arr_2d = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) arr_2d[1, 2] arr_2d[-1, -1] # 反向索引 # 如果索引比維度少的多維數(shù)組，則會獲得一個子維數(shù)組 arr_2d[2] # 取 index=2 的行 # out array([ 7, 8, 9, 10]) arr_2d[2][0] # index=2 的行后，再去index=0 的列 # out 7 arr_2d[[2,0]] # 同時取 index =2 和 index=0 的行 # out array([[ 7, 8, 9, 10], [ 1, 2, 3, 4]])
3. 布爾索引
布爾索引就是根據(jù)條件篩選，判斷每個元素在條件下是True還是False，也就是布爾值，當(dāng)條件判斷True時，返回。當(dāng)條件判斷為False時，過濾掉。
import numpy as np arr_1d = np.arange(12) arr_1d[[False, False, False, False, False, True, True, True, True, True, True, True]] # out array([ 5, 6, 7, 8, 9, 10, 11]) arr_1d>=5 # out array([False, False, False, False, False, True, # True, True, True, True, True, True]) arr_1d[arr_1d>=5] # out array([ 5, 6, 7, 8, 9, 10, 11])
4. 非運算
arr_1d[~(arr_1d>=5)] # out array([0, 1, 2, 3, 4])
5. 或運算
只要對應(yīng)的二個二進位有一個為1時，結(jié)果位就為1。
arr_2d = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) (arr_2d>=8) | (arr_2d<=2) # out array([[ True, True, False, False], # [False, False, False, False], # [False, True, True, True]]) arr_2d[(arr_2d>=8) | (arr_2d<=2)] # out array([ 1, 2, 8, 9, 10])
6. 與運算
參與運算的兩個值,如果兩個相應(yīng)位都為1,則該位的結(jié)果為1,否則為0
arr_2d = np.array([[1, 2, 3, 4],[4, 5, 6, 7], [7, 8, 9, 10]]) arr_2d[(arr_2d<=8) & (arr_2d>=2)] # ount array([2, 3, 4, 4, 5, 6, 7, 7, 8])
到此這篇關(guān)于Python numpy ndarray屬性,索引,切片的文章就介紹到這了,更多相關(guān)Python numpy ndarray 內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！
相關(guān)文章
這篇文章主要介紹了Python執(zhí)行時間的幾種計算方法，文中通過示例代碼介紹的非常詳細(xì)，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-07-07
這篇文章主要介紹了Python的pytest測試框架使用詳解,說到?pytest，大家總不免要拿來和?unittest?來比一下，但是?unittest?畢竟是標(biāo)準(zhǔn)庫，兼容性方面肯定沒得說，但要論簡潔和方便的話，pytest?也是不落下風(fēng)的,需要的朋友可以參考下2023-07-07
最近在學(xué)習(xí)python3，發(fā)現(xiàn)網(wǎng)上關(guān)于ptyhon3隨機生成中文的資料非常少，所以決定將自己實現(xiàn)的方法分享下，下面這篇文章主要給大家介紹了關(guān)于利用python3隨機生成中文字符的實現(xiàn)方法，需要的朋友可以參考借鑒，下面來一起看看吧。2017-11-11
Python緩存方案優(yōu)化程序性能提高數(shù)據(jù)訪問速度
Python緩存方案是一種優(yōu)化程序性能，提高數(shù)據(jù)訪問速度的方案。通過緩存數(shù)據(jù)，可以減少重復(fù)的計算和IO操作，從而提高程序的運行效率。Python中常用的緩存方案包括內(nèi)存緩存、磁盤緩存和分布式緩存等，根據(jù)實際需求選擇不同的方案可以幫助我們更好地優(yōu)化程序性能2023-05-05
這篇文章主要為大家介紹了一個通過Python3制作的帶GUI界面的小說爬蟲工具，用來從筆趣閣爬取小說。感興趣的小伙伴可以跟隨小編一起動手嘗試一下2022-02-02
這篇文章主要介紹了python實現(xiàn)人工智能Ai摳圖功能,本文通過實例代碼給大家介紹的非常詳細(xì)，具有一定的參考借鑒價值，需要的朋友可以參考下2019-09-09
這篇文章主要介紹了python簡單的三元一次方程求解實例，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
本篇文章主要介紹了淺談用VSCode寫python的正確姿勢，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-12-12
python?selenium參數(shù)詳解和實現(xiàn)案例
這篇文章主要介紹了python?selenium參數(shù)詳解和實現(xiàn)案例,無頭模式添加，可以讓selenium模擬登錄，進入到后臺運行，本文以登錄打開公司內(nèi)網(wǎng)下載數(shù)據(jù)為例，給大家詳細(xì)講解，需要的朋友可以參考下2022-10-10
Python中Numpy與TensorFlow版本兼容問題完美解決辦法
這篇文章主要給大家介紹了關(guān)于Python中Numpy與TensorFlow版本兼容問題的完美解決辦法,確保Python版本與TensorFlow版本兼容是首要任務(wù),因為不兼容的組合可能導(dǎo)致導(dǎo)入錯誤或其他運行時問題,需要的朋友可以參考下2024-07-07