Numpy数组对象的操作-索引机制切片和迭代方法

Posted 忧郁的白衬衫

tags:

篇首语:本文由小常识网(cha138.com)小编为大家整理,主要介绍了Numpy数组对象的操作-索引机制切片和迭代方法相关的知识,希望对你有一定的参考价值。

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操作,axis=1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。

 

以上是关于Numpy数组对象的操作-索引机制切片和迭代方法的主要内容,如果未能解决你的问题,请参考以下文章

学习NumPy全套代码超详细基本操作数据类型数组运算复制和试图索引切片和迭代形状操作通用函数线性代数

NumPy索引切片

科学计算基础软件包NumPy入门讲座:操作数组

科学计算基础软件包NumPy入门讲座:操作数组

一文掌握numpy数组的创建索引和切片操作

numpy数组的索引和切片