python数组列表操作简记二

2024-08-23 23:52
文章标签 python 数组 操作 列表 简记

本文主要是介绍python数组列表操作简记二，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！

python数组列表操作简记二

  • 一、列表配对组合为新列表或字典
    • 1.1多个列表配对组合为新列表
    • 1.2两个列表配对转换为字典
  • 二、数组加减乘除运算
    • 2.1一维数组加减除运算
    • 2.2一维数组乘法运算
  • 三、数组切片读取
    • 3.1一维数组切片读取
    • 3.2二维数组切片读取
    • 3.3三维数组切片读取
  • 四、数组简单筛选
    • 4.1筛选数组中满足指定条件的元素
    • 4.2筛选数组中最大最小元素及索引
  • 五、数组其他操作
    • 5.1数组元素进行约分
    • 5.2数组复制
  • 参考文档

一、列表配对组合为新列表或字典

1.1多个列表配对组合为新列表

使用python的内置zip函数可将多个列表配对组合为一个新的列表，新列表中元素为原列表同一位置的元素组成的tuple类型元素，但zip函数并不直接返回列表变量，而是返回迭代器，可对其进行迭代读取，也可转换为列表变量。
示例代码如下：

lt01 = [1, 2, 3, 4]
lt02 = ['a', 'b', 'c', 'd']
lt03 = [5, 6, 7, 8]
for item in zip(lt01, lt02, lt03):print(item)print(item[0])print(item[1])print(item[2])lt04 = list(zip(lt01, lt02, lt03))

zip对拆分组合的列表长度不要求一致，当列表长度不一致时会匹配到最短长度的列表的最后一个元素，其他列表的元素会被忽略掉。

组合成的新列表也可通过zip逆操作得到原始列表，示例代码如下：

lt05, lt06, lt07 = zip(*lt04)

1.2两个列表配对转换为字典

zip函数可将两个列表配对转换为字典变量，第一个列表的元素作为键，第二个列表的元素作为对应的值，示例代码如下：

lt01 = [1, 2, 3, 4]
lt02 = ['a', 'b', 'c', 'd']
dict01 = dict(zip(lt01, lt02))

当两个列表长度不一致时，以较短长度的列表为准，此外对于第一个列表如果有重复的元素，那么该元素对应的键值会被后一个键值覆盖掉。

二、数组加减乘除运算

以numpy定义的一维数组为例，进行加减乘除运算。

2.1一维数组加减除运算

一维数组加减运算，既可以是加减一个常数，也可以是一维数组间相同位置元素进行加减，示例代码如下：

import numpy as npa01 = np.array([1, 2, 3, 4])
a02 = np.array([0, 1, 2, 3])
a03 = a01 + 1
a03 = np.add(a01, 1)#与上行代码效果相同
a04 = a01 - 1
a04 = np.subtract(a01, 1)#与上行代码效果相同
a05 = a01 + a02
a05 = np.add(a01, a02)#与上行代码效果相同
a06 = a01 - a02
a06 = np.subtract(a01, a02)#与上行代码效果相同

一维数组除法运算，既可以是除上一个常数，也可以是一维数组间相同位置元素进行除法，示例代码如下：

import numpy as npa01 = np.array([4, 5, 6, 7])
a02 = np.array([1, 2, 3, 4])
a03 = a01 / 2
a03 = np.divide(a01, 2)#与上行代码效果相同
a04 = a01 // 2#得到除以2的整数部分，相当于除以2后再进行int类型强转换
a04 = a01 % 2#对2取余数
a05 = a01 / a02
a05 = np.divide(a01, a02)#与上行代码效果相同
a06 = a01 // a02
a06 = a01 % a02

2.2一维数组乘法运算

一维数组可认作向量，向量的乘法常见的有4种，分别为相同位置元素相乘、点积、叉积、外积，示例代码如下：

import numpy as npa01 = np.array([1, 2, 3, 4])
a02 = np.array([0, 1, 2, 3])
a03 = a01 * 2
a03 = np.multiply(a01, 2)#与上行代码效果相同
a03 = a01 ** 2#2次方运算
a04 = a01 * a02#相同位置元素相乘
a04 = np.multiply(a01, a02)#与上行代码效果相同
a05 = a01.dot(a02)#点积，结果为数值，运算过程与数学上的数量积运算一致
a05 = a02.dot(a01)#与上行代码结果相同
a05 = np.dot(a01, a02)#与上行代码结果相同a06 = np.outer(a01, a02)#外积，结果为使用a01中的每个元素乘以a02向量，最终得到一个4×4的矩阵a01 = np.array([1, 2, 3])
a02 = np.array([0, 1, 2])
a07 = np.cross(a01, a02)#叉积，叉积运算只能用于二维向量或三维向量，二维向量的叉积结果为数值，三维叉积结果为向量，运算过程与数学上的向量积运算一致

三、数组切片读取

以numpy定义的数组为例。

3.1一维数组切片读取

一维数组切片读取方式，与列表读取方式一致，示例代码如下：

import numpy as npa01 = np.array([1,2,3,4,5,6])
a02 = a01[1:6]
a02 = a01[:-1]
a02 = a01[1:]
a02 = a01[1:6:2]#获取索引为1到5的元素，步长为2
a02 = a01[::2]#获取奇数组
a02 = a01[1::2]#获取偶数组

3.2二维数组切片读取

二维数组可认作矩阵，示例代码如下：

import numpy as npa01 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])#维度为3×4，输出如下
array([[ 1,  2,  3,  4],[ 5,  6,  7,  8],[ 9, 10, 11, 12]])a02 = a01[1]#取矩阵第二行，输出如下
array([5, 6, 7, 8])a02 = a01[1,:]#取矩阵第二行，输出如下
array([5, 6, 7, 8])a02 = a01[0:2]#取矩阵第一、二行，输出如下
array([[1, 2, 3, 4],[5, 6, 7, 8]])a02 = a01[0:2,:]#取矩阵第一、二行，输出如下
array([[1, 2, 3, 4],[5, 6, 7, 8]])a03 = a01[:,0]#取矩阵第一列，输出如下
array([1, 5, 9])a03 = a01[:,0:2]#取矩阵第一、二列，输出如下
array([[ 1,  2],[ 5,  6],[ 9, 10]])a04 = a01[1,1:]#取矩阵第二行的第二个列元素至最后一个列元素，返回一维数组，输出如下
array([6, 7, 8])a04 = a01[1:,1]#取矩阵第二列的第二个行元素至最后一个行元素，返回一维数组，输出如下
array([ 6, 10])a04 = a01[1:,1:]#取矩阵第二行、第二列开始至最后一个行列元素，返回二维数组，输出如下
array([[ 6,  7,  8],[10, 11, 12]])a04 = a01[0::2,1::2]#取矩阵第一行、第二列开始至最后一个行列元素，步长为2，返回二维数组，输出如下
array([[ 2,  4],[10, 12]])

二维数组的读取可以简单概括为通过行索引,列索引指定，行索引与列索引之间用逗号隔开，行列索引语法规则与一维数组及列表读取的语法一致。

3.3三维数组切片读取

三维数组切片读取与二维数组切片读取类似，可以简单概括为通过第一维索引,第二维索引,第三维索引指定，索引之间用逗号隔开。示例代码如下：

import numpy as npa01 = np.array([[[1,2,3,4],[5,6,7,8],[9,10,11,12]], [[10,20,30,40],[50,60,70,80],[90,100,110,120]]])#维度为2×3×4，输出如下
array([[[  1,   2,   3,   4],[  5,   6,   7,   8],[  9,  10,  11,  12]],[[ 10,  20,  30,  40],[ 50,  60,  70,  80],[ 90, 100, 110, 120]]])a02 = a01[0]#输出如下
array([[ 1,  2,  3,  4],[ 5,  6,  7,  8],[ 9, 10, 11, 12]])a02 = a01[:,0,:]#输出如下
array([[ 1,  2,  3,  4],[10, 20, 30, 40]])a02 = a01[:,:,0]#输出如下
array([[ 1,  5,  9],[10, 50, 90]])a02 = a01[:,0:2,1:3]#输出如下
array([[[ 2,  3],[ 6,  7]],[[20, 30],[60, 70]]])a02 = a01[1:,0:2,0:3:2]#输出如下
array([[[10, 30],[50, 70]]])

三维数组切片读取时，要注意读取出来的数组维度，并不容易直观判断出来。

四、数组简单筛选

以numpy定义的数组为例。

4.1筛选数组中满足指定条件的元素

示例代码如下：

import numpy as npa01 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])#维度为3×4，输出如下
array([[ 1,  2,  3,  4],[ 5,  6,  7,  8],[ 9, 10, 11, 12]])a02 = a01[a01 > 6]#筛选出数组中大于6的元素，输出如下
array([ 7,  8,  9, 10, 11, 12])a03 = a01 > 6#输出如下
array([[False, False, False, False],[False, False,  True,  True],[ True,  True,  True,  True]])a04 = a01[a03]#结果与a01[a01>6]相同，输出如下
array([ 7,  8,  9, 10, 11, 12])a03 = (a01 > 6) & (a01 < 10)#输出如下
array([[False, False, False, False],[False, False,  True,  True],[ True, False, False, False]])a04 = a01[a03]#筛选出数组中大于6小于10的元素，输出如下
array([7, 8, 9])

4.2筛选数组中最大最小元素及索引

示例代码如下：

import numpy as npa01 = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12]])#维度为3×4，输出如下
array([[ 1,  2,  3,  4],[ 5,  6,  7,  8],[ 9, 10, 11, 12]])min_a01 = np.min(a01)#获取数组中最小元素，输出如下
1index01 = np.argmin(a01)#获取数组中最小元素的索引，索引为数组展平为一维数组后的索引，输出如下
0max_a01 = np.max(a01)#获取数组中最大元素，输出如下
12index02 = np.argmax(a01)#获取数组中最大元素的索引，索引为数组展平为一维数组后的索引，输出如下
11min_a01_column = np.min(a01, 0)#获取数组中每一列最小元素，返回数组，输出如下
array([1, 2, 3, 4])a02 = np.argmin(a01, 0)#获取数组中每一列最小元素的索引，返回数组，输出如下
array([0, 0, 0, 0], dtype=int64)min_a01_row = np.min(a01, 1)#获取数组中每一行最小元素，返回数组，输出如下
array([1, 5, 9])a02 = np.argmin(a01, 1)#获取数组中每一行最小元素的索引，返回数组，输出如下
array([0, 0, 0], dtype=int64)max_a01_column = np.max(a01, 0)#获取数组中每一列最大元素，返回数组，输出如下
array([ 9, 10, 11, 12])a03 = np.argmax(a01, 0)#获取数组中每一列最大元素的索引，返回数组，输出如下
array([2, 2, 2, 2], dtype=int64)max_a01_row = np.max(a01, 1)#获取数组中每一行最大元素，返回数组，输出如下
array([ 4,  8, 12])a03 = np.argmax(a01, 1)#获取数组中每一行最大元素的索引，返回数组，输出如下
array([3, 3, 3], dtype=int64)

使用上述代码获取数组最大最小元素及索引时，如果数组中存在nan值，会将nan值作为最大和最小元素，如果想要忽略nan值，可以使用nanargmin、nanmin、nanargmax、nanmax函数。

五、数组其他操作

以numpy定义的数组为例。

5.1数组元素进行约分

示例代码如下：

import numpy as npa01 = np.array([[1.4,2.5,3.5,4.6],[5.44,6.45,7.55,8.46]])#维度为2×4，输出如下
array([[1.4 , 2.5 , 3.5 , 4.6 ],[5.44, 6.45, 7.55, 8.46]])a02 = np.round(a01, 1)#保留一位小数进行约分，输出如下
array([[1.4, 2.5, 3.5, 4.6],[5.4, 6.4, 7.6, 8.5]])a02 = np.round(a01, 0)#保留整数位进行约分，输出如下
array([[1., 2., 4., 5.],[5., 6., 8., 8.]])

从上述代码及执行结果可看出，numpy的round函数约分时满足四舍六入五看单双的规则，这一点与python的内置round函数不同，内置round函数在约分时会考虑到浮点数表示的精度问题，所以导致看上去可能不符合约分规则。想要看到浮点数的实际大小，可通过如下代码查看：

import decimalprint(decimal.Decimal(6.45))#输出如下
6.45000000000000017763568394002504646778106689453125print(decimal.Decimal(3.125))#输出如下
3.125

5.2数组复制

数组复制，示例代码如下：

import numpy as npa01 = np.array([1.4,2.5,3.5,4.6])#输出如下
array([1.4, 2.5, 3.5, 4.6])a02 = a01
a03 = np.copy(a01)a01[0] = 0#改变a01的第一个元素值后，a01、a02、a03分别如下
array([0. , 2.5, 3.5, 4.6])
array([0. , 2.5, 3.5, 4.6])
array([1.4, 2.5, 3.5, 4.6])a02[1] = 0#改变a02的第二个元素值后，a01、a02、a03分别如下
array([0. , 0. , 3.5, 4.6])
array([0. , 0. , 3.5, 4.6])
array([1.4, 2.5, 3.5, 4.6])a03[3] = 0#改变a03的第四个元素值后，a01、a02、a03分别如下
array([0. , 0. , 3.5, 4.6])
array([0. , 0. , 3.5, 4.6])
array([1.4, 2.5, 3.5, 0. ])

由上述代码可知，采用直接赋值的形式，新数组与原数组共享内存，改变数组内元素值后另一数组也会同步变化，使用copy函数，新数组与原数组互不影响，这一点与列表的复制相同。

参考文档

Python: NumPy中的多维数组ndarray
细说NumPy数组的四种乘法，带你走进向量运算的奇妙世界
【Python之numpy库】12.np.round() 对数组/一堆数保留n位小数
python print设置输出宽度 python输出结果宽度

这篇关于python数组列表操作简记二的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！


http://www.chinasem.cn/article/1100858。

相关文章

Python版本信息获取方法详解与实战

Python版本信息获取方法详解与实战

《Python版本信息获取方法详解与实战》在Python开发中,获取Python版本号是调试、兼容性检查和版本控制的重要基础操作,本文详细介绍了如何使用sys和platform模块获取Python的主... 目录1. python版本号获取基础2. 使用sys模块获取版本信息2.1 sys模块概述2.1.1
阅读更多...
一文详解Python如何开发游戏

一文详解Python如何开发游戏

《一文详解Python如何开发游戏》Python是一种非常流行的编程语言,也可以用来开发游戏模组,：本文主要介绍Python如何开发游戏的相关资料,文中通过代码介绍的非常详细,需要的朋友可以参考下... 目录一、python简介二、Python 开发 2D 游戏的优劣势优势缺点三、Python 开发 3D
阅读更多...
Python函数作用域与闭包举例深度解析

Python函数作用域与闭包举例深度解析

《Python函数作用域与闭包举例深度解析》Python函数的作用域规则和闭包是编程中的关键概念,它们决定了变量的访问和生命周期,：本文主要介绍Python函数作用域与闭包的相关资料,文中通过代码... 目录1. 基础作用域访问示例1：访问全局变量示例2：访问外层函数变量2. 闭包基础示例3：简单闭包示例4
阅读更多...
Python实现字典转字符串的五种方法

Python实现字典转字符串的五种方法

《Python实现字典转字符串的五种方法》本文介绍了在Python中如何将字典数据结构转换为字符串格式的多种方法,首先可以通过内置的str()函数进行简单转换;其次利用ison.dumps()函数能够... 目录1、使用json模块的dumps方法：2、使用str方法：3、使用循环和字符串拼接：4、使用字符
阅读更多...
Python版本与package版本兼容性检查方法总结

Python版本与package版本兼容性检查方法总结

《Python版本与package版本兼容性检查方法总结》：本文主要介绍Python版本与package版本兼容性检查方法的相关资料,文中提供四种检查方法,分别是pip查询、conda管理、PyP... 目录引言为什么会出现兼容性问题方法一：用 pip 官方命令查询可用版本方法二：conda 管理包环境方法
阅读更多...
基于Python开发Windows自动更新控制工具

基于Python开发Windows自动更新控制工具

《基于Python开发Windows自动更新控制工具》在当今数字化时代,操作系统更新已成为计算机维护的重要组成部分,本文介绍一款基于Python和PyQt5的Windows自动更新控制工具,有需要的可... 目录设计原理与技术实现系统架构概述数学建模工具界面完整代码实现技术深度分析多层级控制理论服务层控制注
阅读更多...
JavaScript对象转数组的三种方法实现

JavaScript对象转数组的三种方法实现

《JavaScript对象转数组的三种方法实现》本文介绍了在JavaScript中将对象转换为数组的三种实用方法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友... 目录方法1：使用Object.keys()和Array.map()方法2：使用Object.entr
阅读更多...
pycharm跑python项目易出错的问题总结

pycharm跑python项目易出错的问题总结

《pycharm跑python项目易出错的问题总结》：本文主要介绍pycharm跑python项目易出错问题的相关资料,当你在PyCharm中运行Python程序时遇到报错,可以按照以下步骤进行排... 1. 一定不要在pycharm终端里面创建环境安装别人的项目子模块等，有可能出现的问题就是你不报错都安装
阅读更多...
使用Java填充Word模板的操作指南

使用Java填充Word模板的操作指南

《使用Java填充Word模板的操作指南》本文介绍了Java填充Word模板的实现方法,包括文本、列表和复选框的填充,首先通过Word域功能设置模板变量,然后使用poi-tl、aspose-words... 目录前言一、设置word模板普通字段列表字段复选框二、代码1. 引入POM2. 模板放入项目3.代码
阅读更多...
Python打包成exe常用的四种方法小结

Python打包成exe常用的四种方法小结

《Python打包成exe常用的四种方法小结》本文主要介绍了Python打包成exe常用的四种方法,包括PyInstaller、cx_Freeze、Py2exe、Nuitka,文中通过示例代码介绍的非... 目录一.PyInstaller11.安装：2. PyInstaller常用参数下面是pyinstal
阅读更多...

Copyright China编程 23002807@qq.com

沪ICP备2023033072号-2