NumPy 索引和切片的用法总结

参考NumPy官方文档，总结NumPy索引和切片，可以看到它们相比Python更加方便、简介和强大。

索引和切片

您可以使用与切片 Python列表相同的方法，对NumPy数组进行索引和切片。

1. >>> data = np.array([1, 2, 3]) 
2.  
3. >>> data[1] 
4. 2 
5. >>> data[0:2] 
6. array([1, 2]) 
7. >>> data[1:] 
8. array([2, 3]) 
9. >>> data[-2:] 
10. array([2, 3]) 

你可以这样想象：

您可能需要获取数组的一部分或特定数组元素，以便在进一步分析或其他操作中使用。为此，需要对数组进行子集、切片和/或索引。

如果您想从数组中选择满足特定条件的值，那么NumPy很简单。

例如，如果从这个数组开始：

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

可以轻松打印数组中小于5的所有值。

1. >>> print(a[a < 5]) 
2. [1 2 3 4] 

例如，还可以选择等于或大于5的数字，并使用该条件对数组进行索引。

1. >>> five_up = (a >= 5) 
2. >>> print(a[five_up]) 
3. [ 5  6  7  8  9 10 11 12] 

可以选择可被2整除的元素：

1. >>> divisible_by_2 = a[a%2==0] 
2. >>> print(divisible_by_2) 
3. [ 2  4  6  8 10 12] 

或者可以使用&和|运算符选择满足两个条件的元素：

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

还可以使用逻辑运算符&和 |返回布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。

1. >>> five_up = (a > 5) | (a == 5) 
2. >>> print(five_up) 
3. [[False False False False] 
4.  [ True  True  True  True] 
5.  [ True  True  True True]] 

还可以使用np.nonzero()从数组中选择元素或索引。

从这个数组开始：

1. >>> 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，小于5：

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

在本例中，返回了一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。

如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：

1. >>> listlist_of_coordinates= list(zip(b[0], b[1])) 
2.  
3. >>> for coord in list_of_coordinates: 
4. ...     print(coord) 
5. (0, 0) 
6. (0, 1) 
7. (0, 2) 
8. (0, 3) 

还可以使用np.nonzero()打印数组中小于5的元素，并使用：

1. >>> print(a[b]) 
2. [1 2 3 4] 

如果要查找的元素在数组中不存在，则返回的索引数组将为空。例如：

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

原文链接：https://mp.weixin.qq.com/s?__biz=MzI3NTkyMjA4NA==&mid=2247501920&idx=1&sn=107e017ce454051b4a3593f4074ec122&chksm=eb7fe5abdc086cbdb26a966fd20b3460bfa952014e619a1a422de24f737527036920b9c833da&mpshare=1&s