np数组的切片与索引

简介: np数组的切片与索引

数组的切片模式支持使用slice类型的start:end:step切片,还可以直接传入列表指定某个维度的索引进行切片:

target = np.arange(9).reshape(3,3)
target
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
target[:-1, [0,2]]
array([[0, 2],
       [3, 5]])

此外,还可以利用np.ix_在对应的维度上使用布尔索引,但此时不能使用slice切片:

target[np.ix_([True, False, True], [True, False, True])]
array([[0, 2],
       [6, 8]])
target[np.ix_([1,2], [True, False, True])]
array([[3, 5],
       [6, 8]])

当数组维度为1维时,可以直接进行布尔索引,而无需np.ix_

new = target.reshape(-1)
new[new%2==0]
array([0, 2, 4, 6, 8])


目录
相关文章
|
5月前
|
Python
NumPy生成数组的方法
NumPy生成数组的方法
|
6天前
|
存储 索引 Python
NumPy 数组切片及数据类型介绍
了解 NumPy 数组切片,用于从数组中提取子集。一维数组切片使用 `start:end:step`,如 `arr[1:5]`。二维数组切片如 `arr[1:3, 0:3]`。创建 5x5 数组并练习切片,例如打印第一行、第二列、对角线元素和 2x2 子数组。别忘了检查数据类型,如 `arr.dtype`,并使用 `astype()` 转换类型。
24 0
|
6天前
|
存储 索引 Python
NumPy 数组创建方法与索引访问详解
NumPy 的 `ndarray` 是其核心数据结构,可通过 `array()`、`zeros()`、`ones()` 和 `empty()` 函数创建。`array()` 可以将列表等转换为数组;`zeros()` 和 `ones()` 生成全零或全一数组;`empty()` 创建未定义值的数组。此外,还有 `arange()`、`linspace()`、`eye()` 和 `diag()` 等特殊函数。练习包括使用这些函数创建特定数组。
117 1
|
6天前
|
存储 数据挖掘 vr&ar
深入探索Numpy--索引,切片,随机数,文本操作等
深入探索Numpy--索引,切片,随机数,文本操作等
|
6天前
NP19 列表的长度
该文本是关于一个编程任务的描述,要求统计输入的一行字符串(由空格分隔)转换为列表后的元素数量。输入是一行多个字符串,输出是列表的长度。示例输入是"NiuNiu NiuMei NiuNeng",输出是3。提供了两种代码实现方式,其中简化的代码为`print(len(list(input().split())))`。
7 0
|
6天前
|
机器学习/深度学习 计算机视觉 索引
NumPy索引与切片的高级技巧探索
【4月更文挑战第17天】探索NumPy的高级索引与切片技巧:整数数组、布尔和花式索引用于灵活选取元素;切片步长、反转及多维切片操作实现高效数组处理。在数据分析、图像处理和机器学习等领域有广泛应用,提升代码效率与可读性。
|
8月前
|
索引 Python
【NumPy 数组索引、裁切,数据类型】
【NumPy 数组索引、裁切,数据类型】
|
Python
Numpy数组——1.数组的创建
Numpy数组——1.数组的创建
173 0
|
存储 数据可视化 数据挖掘
【Numpy】数组的创建和常用函数(排序、连接、属性、reshape、索引和切片)
【Numpy】数组的创建和常用函数(排序、连接、属性、reshape、索引和切片)
164 0
【Numpy】数组的创建和常用函数(排序、连接、属性、reshape、索引和切片)
|
资源调度
np数组的构造
np数组的构造
96 0