NumPy索引與切片的用法示例總結

索引和切片是NumPy中最重要最常用的操作。熟練使用NumPy切片操作是數據處理和機器學習的前提，所以一定要掌握好。

參考NumPy官方文檔，總結NumPy索引和切片，可以看到它們相比Python更加方便、簡介和強大。

您可以使用與切片 Python列表相同的方法，對NumPy數組進行索引和切片。

>>> data = np.array([1, 2, 3])

>>> data[1]
2
>>> data[0:2]
array([1, 2])
>>> data[1:]
array([2, 3])
>>> data[-2:]
array([2, 3])

你可以這樣想象：

您可能需要獲取數組的一部分或特定數組元素，以便在進一步分析或其他操作中使用。為此，需要對數組進行子集、切片和/或索引。

如果您想從數組中選擇滿足特定條件的值，那麼NumPy很簡單。

例如，如果從這個數組開始：

>>> a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

可以輕松打印數組中小於5的所有值。

>>> print(a[a < 5])
[1 2 3 4]

例如，還可以選擇等於或大於5的數字，並使用該條件對數組進行索引。

>>> five_up = (a >= 5)
>>> print(a[five_up])
[ 5  6  7  8  9 10 11 12]

可以選擇可被2整除的元素：

>>> divisible_by_2 = a[a%2==0]
>>> print(divisible_by_2)
[ 2  4  6  8 10 12]

或者可以使用&和|運算符選擇滿足兩個條件的元素：

>>> c = a[(a > 2) & (a < 11)]
>>> print(c)
[ 3  4  5  6  7  8  9 10]

還可以使用邏輯運算符&和 |返回佈爾值，指定數組中的值是否滿足特定條件。這對於包含名稱或其他分類值的數組很有用。

>>> five_up = (a > 5) | (a == 5)
>>> print(five_up)
[[False False False False]
 [ True  True  True  True]
 [ True  True  True True]]

還可以使用np.nonzero()從數組中選擇元素或索引。

從這個數組開始：

>>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])

可以使用np.nonzero()打印元素的索引，例如，小於5：

>>> b = np.nonzero(a < 5)
>>> print(b)
(array([0, 0, 0, 0]), array([0, 1, 2, 3]))

在本例中，返回瞭一個數組元組：每個維度一個。第一個數組表示找到這些值的行索引，第二個數組表示找到這些值的列索引。

如果要生成元素所在的坐標列表，可以壓縮數組，遍歷坐標列表，然後打印它們。例如：

>>> list_of_coordinates= list(zip(b[0], b[1]))

>>> for coord in list_of_coordinates:
...     print(coord)
(0, 0)
(0, 1)
(0, 2)
(0, 3)

還可以使用np.nonzero()打印數組中小於5的元素，並使用：

>>> print(a[b])
[1 2 3 4]

如果要查找的元素在數組中不存在，則返回的索引數組將為空。例如：

>>> not_there = np.nonzero(a == 42)
>>> print(not_there)
(array([], dtype=int64), array([], dtype=int64))

到此這篇關於NumPy索引與切片用法的文章就介紹到這瞭,更多相關NumPy索引與切片內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet！