numpy 学习汇总45 - 数组选择设置(11种方法)( 初步学习 tcy)

2024-03-20 09:48

本文主要是介绍numpy 学习汇总45 - 数组选择设置(11种方法)( 初步学习 tcy),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!

选择设置  2018/6/24     2018/11/30=============================================================================
1.函数np.s_[:]                                       #数组索引
np.index_exp[2::2]                             #建立数组索引元组的更好方法a.item(* args) 复制元素到python标量# 参数:None:len(a)=1; Int_type:数组平面索引;Int_types:元祖
a.itemset(* args)更改数组中数值       # 参数:参数1int 或元祖,位置(x,[y]);参数2更改值
a.getfield(dtype,offset = 0 )        #以给定类型返回给定数组的字段。np.take(a,indices,axis = None,out = None,mode ='raise' )# 获取(默认1D )元素;优于花式索引
np.put(a,ind,v,mode ='raise' )                          # 设置1D元素;等价a.flat[ind] = vnp.nonzero(a)                                           #返回输入数组中非零元素的索引。np.select(condlist, choicelist, default=0)             #返回从选择列表中的元素绘制的数组,取决于条件
np.choose(a,choice,out = None,mode ='raise' )#根据条件选择
np.where(condition, [x, y])                  #返回输入数组中满足给定条件的元素的索引。
np.extract()                                 #根据某个条件从数组中抽取元素,返回满条件元素np.compress(condition,axis = None,out = None )# 沿给定的轴返回此数组的选定切片=============================================================================
2.实例# 实例1:np.s_-数组索引
np.s_[2::2]                                 #slice(2, None, 2)
np.index_exp[2::2]                          #(slice(2, None, 2),)
np.array([0, 1, 2, 3, 4])[np.s_[2::2]]      # array([2, 4])
np.array([0, 1, 2, 3, 4])[np.index_exp[2::2]] #array([2, 4])# 实例2:item-获取标量
a=np.arange(12).reshape(3,4)
a.item(7)                #7     获取标量
a.item(0,2,)             #2     获取标量    等价a.item((0,2))# 实例3:itemset-设置标量
a.itemset(7,-7)          #修改元素为-7
a                        #array([[ 0,  1,  2,  3],[ 4,  5,  6, -7],[ 8,  9, 10, 11]])
a.itemset((0,2),-2)      #修改元素为-2
a                        #array([[ 0,  1, -2,  3], [ 4,  5,  6, -7],[ 8,  9, 10, 11]])# 实例3:getfield-获取数值字段
x = np.diag([1.+1.j]*2)
x[1, 1] = 2 + 4.j
x                                    # array([[ 1.+1.j,  0.+0.j],[ 0.+0.j,  2.+4.j]])
x.getfield(np.float64)               # array([[ 1.,  0.], [ 0.,  2.]])# 选择8字节偏移量得到虚部视图
x.getfield(np.float64, offset=8)# array([[ 1.,  0.], [ 0.,  4.]])=============================================================================
# 实例4:take-选取元素
a = np.array([10, 11, 12, 13, 14, 15])np.take(a, [0,1,2,3])          # array([10, 11, 12, 13])
np.take(a, [[0, 1], [2, 3]])   # array([[10, 11],[12, 13]])a=np.arange(10,22).reshape(3,4)
np.take(a,[0,1,2,3])           # array([10, 11, 12, 13])
np.take(a,[[0,1],[2,3]])       # array([[10, 11], [12, 13]])a.take([1,2],axis=0)           # array([[14, 15, 16, 17],[18, 19, 20, 21]])    #选取第2,3行
a.take([1,2],axis=1)           # array([[11, 12],[15, 16], [19, 20]])          #选取第2,3列#实例5:put-替换选定位置数据
a = np.arange(5)
a.put([1,2],-1)                            #将选定的元素用-1替
a                                          #array([ 0, -1, -1,  3,  4])np.put(a, [4,3,2,1], [-4,-3,-2,-1 ])#选定元素用list替换
a                                   #array([ 0, -1, -2, -3, -4])# 实例6:nonzero-非零元素索引
np.nonzero ([3,0,2,5,0,6])# (array([0, 2, 3, 5], dtype=int64),)
a = np.array([[3,4,0],[0,2,1],[5,0,6]])
b=np.nonzero (a)            # (array([0, 0, 1, 1, 2, 2], dtype=int64),array([0, 1, 1, 2, 0, 2], dtype=int64))
np.transpose(b)             # array([[0, 0], [0, 1], [1, 1],[1, 2],[2, 0],[2, 2]], dtype=int64)
a[b]                        # array([3, 4, 2, 1, 5, 6])# 一个常用用法是查找条件为True数组的索引
a = np.array([[1,2,3],[4,5,6]])
a > 3                       # array([[False, False, False],[ True, True, True]])
np.nonzero(a > 3)           # 结果同下
(a > 3).nonzero()           # (array([1, 1, 1], dtype=int64), array([0, 1, 2], dtype=int64))np.count_nonzero(a,axis = None )# 计算数组中非零值的数量a。
np.count_nonzero(a)=============================================================================
# 实例7:select-根据条件选择相应的值
x = np.arange(10)
condlist = [x<3, x>5]
choicelist = [x, x**2]
np.select(condlist, choicelist)    # array([ 0,  1,  2,  0,  0,  0, 36, 49, 64, 81])
np.select(condlist, choicelist,-1) # array([ 0,  1,  2, -1, -1, -1, 36, 49, 64, 81])# 实例8:choose-根据条件选择
result=np.array([0,0,0,0])
a=np.choose([0,0,1,2],[0,-1,-2,-3,-4],out=result)        #a为1维,choices为1维
a   # array([ 0,  0, -1, -2])   result==ab=np.choose([[0,1,2],[3,4,5],[5,4,3]],[0,-1,-2,-3,-4,-5])#a为2维,choices为1维
b   # array([[ 0, -1, -2],[-3, -4, -5],[-5, -4, -3]])c=np.choose([4,3,2,1,0],                                 #a为1维,choices为2维[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]])
c   # array([40, 31, 22, 13, -4])    4---0 对应choices(4,0) (3,1) (2,2) (1,3) (0,4)d=np.choose([[4,3,2,1,0],[0,1,2,3,4],[0,1,2,3,4]],        #a为2维,choices为2维[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]])
d   # array([[40, 31, 22, 13, -4], [ 0, 11, 22, 33, 44],[ 0, 11, 22, 33, 44]])# 实例9:where-根据条件选择
x = np.arange(9).reshape(3,  3)
y = np.where(x >  3)# (array([1, 1, 2, 2, 2], dtype=int64), array([1, 2, 0, 1, 2], dtype=int64))
x[y]                #array([4, 5, 6, 7, 8])# 实例10:where-根据条件选择
x = np.arange(9.).reshape(3,  3)
condition = np.mod(x,2) == 0# 定义条件, 选择偶数元素
condition                   # array([[True,False,True],[False,True,False],[True,False,True]])
np.extract(condition, x)    # array([0., 2., 4., 6., 8.])   # 使用条件提取元素============================================================================
# 实例11:compress-沿轴返回此数组选定切片np.compress(condition,axis = None,out = None )# 沿给定的轴返回此数组的选定切片a = np.array([[1, 2], [3, 4], [5, 6]])
b1=np.compress([1, 1,0], a, axis=0)  # 按行选取,前为逻辑条件,选取第1,2行
b2=np.compress([4, True], a, axis=1) # 按列选取,前为逻辑条件,表示选取第1,2列#在平面阵列上工作时不会沿着轴返回切片,而是选择元素。
b3=np.compress([2, True,0,1,4], a)# 条件为真时选一个元素;逻辑条件最多6个b1= [[1 2][3 4][5 6]]
b2= [[1 2][3 4][5 6]]
b3= [1 2 4 5]=============================================================================
3.备注:
np.choose(a,choice,out = None,mode ='raise' )#根据条件选择# 参数
# a :int       #数组元素0~n-1
# choices:  #要操作数组,维度和a匹配
# out:        #接收运算结果维度和 a 一样
# mode:#raise默认,a中元素不能超过 n
#             #clip:a 中的元素如小于0将其变为0,如大于n-1变为n-1
#             #wrap:将a中的值 value变为value mod n,即值除以n余数。=============================================================================

这篇关于numpy 学习汇总45 - 数组选择设置(11种方法)( 初步学习 tcy)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!


原文地址:
本文来自互联网用户投稿,该文观点仅代表作者本人,不代表本站立场。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如若转载,请注明出处:http://www.chinasem.cn/article/829070

相关文章

Android kotlin中 Channel 和 Flow 的区别和选择使用场景分析

《Androidkotlin中Channel和Flow的区别和选择使用场景分析》Kotlin协程中,Flow是冷数据流,按需触发,适合响应式数据处理;Channel是热数据流,持续发送,支持... 目录一、基本概念界定FlowChannel二、核心特性对比数据生产触发条件生产与消费的关系背压处理机制生命周期

Java中的数组与集合基本用法详解

《Java中的数组与集合基本用法详解》本文介绍了Java数组和集合框架的基础知识,数组部分涵盖了一维、二维及多维数组的声明、初始化、访问与遍历方法,以及Arrays类的常用操作,对Java数组与集合相... 目录一、Java数组基础1.1 数组结构概述1.2 一维数组1.2.1 声明与初始化1.2.2 访问

Java 方法重载Overload常见误区及注意事项

《Java方法重载Overload常见误区及注意事项》Java方法重载允许同一类中同名方法通过参数类型、数量、顺序差异实现功能扩展,提升代码灵活性,核心条件为参数列表不同,不涉及返回类型、访问修饰符... 目录Java 方法重载(Overload)详解一、方法重载的核心条件二、构成方法重载的具体情况三、不构

SQL中如何添加数据(常见方法及示例)

《SQL中如何添加数据(常见方法及示例)》SQL全称为StructuredQueryLanguage,是一种用于管理关系数据库的标准编程语言,下面给大家介绍SQL中如何添加数据,感兴趣的朋友一起看看吧... 目录在mysql中,有多种方法可以添加数据。以下是一些常见的方法及其示例。1. 使用INSERT I

Python中反转字符串的常见方法小结

《Python中反转字符串的常见方法小结》在Python中,字符串对象没有内置的反转方法,然而,在实际开发中,我们经常会遇到需要反转字符串的场景,比如处理回文字符串、文本加密等,因此,掌握如何在Pyt... 目录python中反转字符串的方法技术背景实现步骤1. 使用切片2. 使用 reversed() 函

Python中将嵌套列表扁平化的多种实现方法

《Python中将嵌套列表扁平化的多种实现方法》在Python编程中,我们常常会遇到需要将嵌套列表(即列表中包含列表)转换为一个一维的扁平列表的需求,本文将给大家介绍了多种实现这一目标的方法,需要的朋... 目录python中将嵌套列表扁平化的方法技术背景实现步骤1. 使用嵌套列表推导式2. 使用itert

Python使用pip工具实现包自动更新的多种方法

《Python使用pip工具实现包自动更新的多种方法》本文深入探讨了使用Python的pip工具实现包自动更新的各种方法和技术,我们将从基础概念开始,逐步介绍手动更新方法、自动化脚本编写、结合CI/C... 目录1. 背景介绍1.1 目的和范围1.2 预期读者1.3 文档结构概述1.4 术语表1.4.1 核

在Linux中改变echo输出颜色的实现方法

《在Linux中改变echo输出颜色的实现方法》在Linux系统的命令行环境下,为了使输出信息更加清晰、突出,便于用户快速识别和区分不同类型的信息,常常需要改变echo命令的输出颜色,所以本文给大家介... 目python录在linux中改变echo输出颜色的方法技术背景实现步骤使用ANSI转义码使用tpu

Conda与Python venv虚拟环境的区别与使用方法详解

《Conda与Pythonvenv虚拟环境的区别与使用方法详解》随着Python社区的成长,虚拟环境的概念和技术也在不断发展,:本文主要介绍Conda与Pythonvenv虚拟环境的区别与使用... 目录前言一、Conda 与 python venv 的核心区别1. Conda 的特点2. Python v

Spring Boot中WebSocket常用使用方法详解

《SpringBoot中WebSocket常用使用方法详解》本文从WebSocket的基础概念出发,详细介绍了SpringBoot集成WebSocket的步骤,并重点讲解了常用的使用方法,包括简单消... 目录一、WebSocket基础概念1.1 什么是WebSocket1.2 WebSocket与HTTP