Numpy数组对象的操作-索引机制、切片和迭代方法

前几篇博文我写了数组创建和数据运算,现在我们就来看一下数组对象的操作方法。使用索引和切片的方法选择元素,还有如何数组的迭代方法。

一、索引机制

1.一维数组

In [1]: a = np.arange(10,16)

In [2]: a
Out[2]: array([10, 11, 12, 13, 14, 15])
#使用正数作为索引
In [3]: a[3]
Out[3]: 13
#还可以使用负数作为索引
In [4]: a[-4]
Out[4]: 12
#方括号中传入多数索引值,可同时选择多个元素In [6]: a[[0,3,4]]Out[6]: array([10, 13, 14])

2.二维数组

二维数组也被称为矩阵,是由行和列组成的。axes为2,用0轴表示行,用1表示列。[行索引,列索引]

In [14]: A
Out[14]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])#取出第三行第二列的元素
In [15]: A[2,1]
Out[15]: 17#可以使用方括号取出多个元素
In [17]: A[[[2,1],[1,2]]]
Out[17]: array([17, 15])

二、切片操作:抽取部分数组元素生成新数组

1.一维数组切片操作

In [26]: a = np.arange(10,20)

In [27]: a[2:7]
Out[27]: array([12, 13, 14, 15, 16])

In [28]: a[5:8]
Out[28]: array([15, 16, 17])

#设置步长
In [30]: a[2:8:2]
Out[30]: array([12, 14, 16])

#省去第一个数,则认为是从0(第一个元素)开始的
In [31]: a[:8:2]
Out[31]: array([10, 12, 14, 16])

#省去第二个数,则认为是取最大索引值
In [32]: a[5::2]
Out[32]: array([15, 17, 19])

#省去第三个数,则认为步长为1
In [33]: a[5:8:]
Out[33]: array([15, 16, 17])

#省去前两个数,则认为是选取步长为X的所有元素
In [34]: a[::2]
Out[34]: array([10, 12, 14, 16, 18])

2.二维数组切片操作

二维数组的切片操作与一维数组差不多,只不过读了一个轴,那么方括号里面就要有两个值(使用逗号隔开),可以把逗号的左边和右边当做是一个一位数组,比如:A[0:2,0:2]

In [1]: A = np.arange(10,19).reshape(3,3)

In [2]: A
Out[2]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])
#第一个索引使用了冒号,则代表取所有行,第二个索引是0,则代表选取第一列。即第一列的所有元素
In [3]: A[:,0]
Out[3]: array([10, 13, 16])

In [4]: A[0,:]
Out[4]: array([10, 11, 12])
#行选取了0:2,即第一第二行(冒号的右边表示结束值,不在选取范围之内),列也是一样的道理
In [5]: A[0:2,0:2]
Out[5]:
array([[10, 11],
       [13, 14]])
#如果要选取不连续的元素,可以将这些索引放入一个数组内。下面就是选取了第一行和第三行,第一和第二列的元素
In [6]: A[[0,2],0:2]
Out[6]:
array([[10, 11],
       [16, 17]])

3.注意:python对列表的切片得到的是数组的副本,而numpy数组切片得到的是指向相同缓冲区的视图。原数据改变,切片得到的数组也会随之改变。

三、数组的迭代

当我们用函数处理行、列或者单个元素时,会需要到数组的遍历。

1.一维数组,使用for..in循环即可

In [7]: a = np.arange(0,11)

In [8]: a
Out[8]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

In [9]: for i in a:
   ...:     print i
0
1
2
3
4
5
6
7
8
9
10

2.二维数组

也可以使用for循环,嵌套使用即可。但是实际上,你会发现它总是按照第一条轴对二维数组进行扫描。

In [10]: for row in A:
    ...:     print row
    ...:
[10 11 12]
[13 14 15]
[16 17 18]

如果想遍历数组的每一个元素。可以循环遍历A.flat

In [13]: for i in A.flat:
    ...:     print i
10
11
12
13
14
15
16
17
18

用for循环就显得没那么优雅了,numpy提供了一个更优雅的遍历方法:apply_along_axis(func,axis,arr),这个函数可以使用聚合函数对每一列或行进行处理,并返回一个数值作为结果。

这个函数接收三个参数,第一个是聚合函数,第二个是对应哪条轴(axis=0按列操作,axis=1按行操作),第三个是要处理的数组

In [14]: A
Out[14]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])
#axis为1,按行进行操作,则输出每行最大的值
In [15]: np.apply_along_axis(np.max,axis=1,arr=A)
Out[15]: array([12, 15, 18])
#输出每行的平均值
In [16]: np.apply_along_axis(np.mean,axis=1,arr=A)
Out[16]: array([ 11.,  14.,  17.])

其中,第一个参数可以传递自己写的函数

In [17]: def foo(x):
    ...:     return x/2

In [18]: np.apply_along_axis(foo,axis=1,arr=A)
Out[18]:
array([[5, 5, 6],
       [6, 7, 7],
       [8, 8, 9]])

四、使用条件表达式和布尔运算符选择性地抽取元素

In [20]: B = np.random.random((3,3))

In [21]: B
Out[21]:
array([[ 0.11802695,  0.66445966,  0.06007488],
       [ 0.31908974,  0.35200425,  0.64225707],
       [ 0.60802331,  0.93322485,  0.28177795]])

#由条件表达式得到一个布尔数组
In [22]: B < 0.5
Out[22]:
array([[ True, False,  True],
       [ True,  True, False],
       [False, False,  True]], dtype=bool)
#将条件表达式放在方括号中,可以抽取满足表达式的数组,组成一个新数组。
In [23]: B[B<0.5]
Out[23]: array([ 0.11802695,  0.06007488,  0.31908974,  0.35200425,  0.28177795])

五、总结

了解的数组的索引机制,对数组的切片操作,以及遍历。

时间: 2024-10-19 09:21:53

Numpy数组对象的操作-索引机制、切片和迭代方法的相关文章

numpy 数组对象

numpy 数组对象NumPy中的ndarray是一个多维数组对象,该对象由两部分组成:实际的数据,描述这些数据的元数据# eg_v1 import numpy as np a = np.arange(5) # 创建一个包含5个元素的NumPy数组a,取值分别为0~4的整数 print (a) # [0 1 2 3 4] print (a.dtype) # dtype 查看数组的数据类型 # int32 (数组a的数据类型为int32) # 确定数组的维度(数组的shape属性返回一个元组(tu

numpy数组对象的维度操作

1.视图变维(数据共享):reshape()与ravel() import numpy as np a = np.arange(1, 9) print(a) b = a.reshape(2, 4) print(b) c = b.reshape(2, 2, 2) print(c) d = c.ravel() print(d) e = c.flatten() print(e) e += 10 print(e, c, sep='\n') 改变a,b,c,d中任何一个数组,其他数组都会发生变化,原因是b

Numpy - 数组的集合操作

数组的集合操作: >>> x=np.array(['cherry','apple','pear','banana','cherry']) >>> y=np.array(['cherry','pear','strawberry','orange','cherry']) >>> np.unique(x) array(['apple', 'banana', 'cherry', 'pear'], dtype='<U6') >>> np.

Javascript数组的5种迭代方法

#Javascript数组的5种迭代方法 数组当中定义了5个迭代方法,传入这些方法中的函数会接受三个参数,数组项的值,该项在数组的位置,和数组对象本身,以下是5个迭代方法的作用. 1.every方法: 对数组中的每一项运行给定函数,如果该函数对每一项都返回true,则返回true. let arr1 = [1,2,3,4,5,6]; let arr2 = [-1,-2,-3,-4,-5,-6]; let every1 = arr1.every((item,index,arr)=>{ return

索引与切片运算符重载

索引和切片运算符的重载 方法名 运算符和表达式 说明 __getitem__(self, i) x = self[i] 索引/切片取值 __setitem__(self, i, val) self[i] = val 索引/切片赋值 __delitem__(self, i) del self[i] 删除索引/切片 作用: 让自定义的类的对象能够支持索引和切片操作 class MyList: def __init__(self, iterable=()): self.data = list(iter

Array数组对象方法

Array 对象方法 方法 描述 concat() 连接两个或更多的数组,并返回结果. copyWithin() 从数组的指定位置拷贝元素到数组的另一个指定位置中. entries() 返回数组的可迭代对象. every() 检测数值元素的每个元素是否都符合条件. fill() 使用一个固定值来填充数组. filter() 检测数值元素,并返回符合条件所有元素的数组. find() 返回符合传入测试(函数)条件的数组元素. findIndex() 返回符合传入测试(函数)条件的数组元素索引. f

JavaScript中数组的5种迭代方法

浏览器兼容情况:IE9+ ES5为数组定义了5个迭代方法.每种方法都接收两个参数.要在每一项上运行的函数和(可选的)运行该函数的作用域对象--影响this的值.//其中(可选的)这个参数暂时未遇到过. 其中,函数都接收三个参数(数组中的每一项.每一项的索引值.数组对象本身). 下面是5中方法的介绍: every() : 对数组中的每一项执行函数,如果每一项都返回 true ,则该方法返回 true. some():     对数组中的每一项执行函数,只要有一项返回了 true ,则该方法返回 t

NumPy数组基本的索引和切片

对一维数组来说,NumPy数组的索引切片与Python列表的功能差不多: >>> arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> arr[3] 3 >>> arr[2:6] array([2, 3, 4, 5]) >>> arr[3:] array([3, 4, 5, 6, 7, 8, 9]) 但是,特别注意的是,如果要将一个标量值赋值给一个切片,这个修改会直接反映到源数组上(即使你已经新建

numpy数组的索引和切片

numpy数组的索引和切片 基本切片操作 >>> import numpy as np >>> arr=np.arange(10) >>> arr array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) >>> arr[5] 5 >>> arr[5:8] array([5, 6, 7]) 切片赋值操作 1.切片赋一个值对应原来数组中的值也会变 >>> arr[5:8]=12 &g