一文分析Python数据分析模块Numpy切片 索引和广播
|
Numpy切片和索引 ndarray集合对象的内容可以通过多维数据的索引或多维数据的切片搜索引擎来方便地访问和修改，与 Python 中 list 的切片操作一样。 ndarray 数组可以基于 0 ~ n-1 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。 切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将重返包含行中线条的 ndarray。 高级索引 整数数组索引 以下实例获取数组中 (0,0)，(1,1) 和 (2,0) 位置处的元素。 复制 a = np.array([[0,1,2], [3,4,5], [6,7,8], [9,10,11]]) print(a) print('-' * 20) rows = np.array([[0,0], [3,3]]) cols = np.array([[0,2], [0,2]]) b = a[rows, cols] print(b) print('-' * 20) rows = np.array([[0,1], [2,3]]) cols = np.array([[0,2], [0,2]]) c = a[rows, cols] print(c) print('-' * 20) rows = np.array([[0,1,2], [1,2,3], [1,2,3]]) cols = np.array([[0,1,2], [0,1,2], [0,1,2]]) d = a[rows, cols] print(d) 以下实例演示如何从数组中过滤掉非复数元素。 复制 a = np.array([1, 3+4j, 5, 6+7j]) print(a) print('-' * 20) print(a[np.iscomplex(a)]) 花式索引 花式索引指的是利用整数数组进行索引。 花式索引根据索引数组的值作为目标数组的某个轴的下标来取值。 对于使用一维整型数组作为索引，如果目标是一维数组，那么索引的结果就是对应位置的元素，如果目标是二维数组，那么就是对应下标的行。 花式索引跟切片不一样，它总是将数据复制到新数组中。 一维数组 复制 a = np.arange(2, 10) print(a) print('-' * 20) b = a[[0,6]] print(b) 复制 [2 3 4 5 6 7 8 9] -------------------- [2 8] 二维数组 1、传入顺序索引数组 复制 a = np.arange(32).reshape(8, 4) print(a) print('-' * 20) print(a[[4, 2, 1, 7]]) 复制 [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31]] -------------------- [[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]] 2、传入倒序索引数组 复制 a = np.arange(32).reshape(8, 4) print(a[[-4, -2, -1, -7]]) 复制 [[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]] 复制 a = np.arange(32).reshape(8, 4) print(a[np.ix_([1,5,7,2], [0,3,1,2])]) 广播(Broadcast) 广播(Broadcast)是 numpy 对不同形状(shape)的数组进行数值计算的方式， 对数组的算术运算通常在相应的元素上进行。 如果两个数组 a 和 b 形状相同，即满足 a.shape == b.shape，那么 a*b 的结果就是 a 与 b 数组对应位相乘。这要求维数相同，且各维度的长度相同。 复制 a = np.arange(1, 5) b = np.arange(1, 5) c = a * b print(c) 复制 [[ 0 1 2] [10 11 12] [20 21 22] tile扩展数组 复制 a = np.array([1, 2]) b = np.tile(a, (6, 1)) print(b) print('-' * 20) c = np.tile(a, (2, 3)) print(c) 4x3 的二维数组与长为 3 的一维数组相加，等效于把数组 b 在二维上重复 4 次再运算： 复制 a = np.array([ [0, 0, 0], [10, 10, 10], [20, 20, 20], [30, 30, 30] ]) = np.array([0, 1, 2]) bb = np.tile(b, (4, 1)) print(a + bb) 广播的规则: 让所有输入数组都向其中形状最长的数组看齐，形状中不足的部分都通过在前面加 1 维补齐。 输出数组的形状是输入数组形状的各个维度上的最大值。 如果输入数组的某个维度和输出数组的对应维度的长度相同或者其长度为 1 时，这个数组能够用来计算，否则出错。在excel中，我们可以通过设置一个参数来实现这个功能，这个参数就是数组的最大长度。 （编辑：驾考网） 【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容! |