NumPy学习(索引和切片，合并，分割，copy与deep copy)

 

NumPy学习(索引和切片，合并，分割，copy与deep copy)

目录

?

1 2 3 4 5

索引和切片   合并   分割<br><br>copy与deep copy

　　

 

 

索引和切片

通过索引和切片可以访问以及修改数组元素的值

 

 

一维数组

 

程序示例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15

import numpy as np   #索引与切片 array=np.arange(3,15) print(array) print(array[3])#数组下标为3的元素 print('\n') print(array[1:3])#取从下标1到下标3，不包括下标3 print(array[1:-9]) print(array[-11:3]) print('\n') print(array[:]) #全部元素 print(array[1:])#从下标为1的元素到最后一个元素 print(array[:7])#第一个元素到下标为7的元素，不包括下标为7的元素 print(array[::2])#间隔2

　　

 

运行结果

?

1 2 3 4 5 6 7 8 9 10 11 12 13

[ 3  4  5  6  7  8  9 10 11 12 13 14] 6     [4 5] [4 5] [4 5]     [ 3  4  5  6  7  8  9 10 11 12 13 14] [ 4  5  6  7  8  9 10 11 12 13 14] [3 4 5 6 7 8 9] [ 3  5  7  9 11 13]

　

 

花式索引

程序示例

?

1 2 3 4 5 6 7 8

import numpy as np<br>#指定索引位置 index=[1,5,-7] array3=array[index] print(array3) #使用布尔数组来花式索引 mask=np.array([0,1,0,1,1,0,1,0,1,0,0,1],dtype=bool) array4=array[mask] print(array4)

　　

 

运行结果

?

1 2	[4 8 8] [ 4  6  7  9 11 14]

　　

 

 

多维 数组

 

程序示例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23

import numpy as np<br>array2=np.arange(3,15).reshape(3,4) print(array2) print(array2[2])#获取数组的某行 print('\n') print(array2[2][2])#获取数组的某个元素，指定行和列 print(array2[2,2]) print('\n') print(array2[2,:])#获取数组的第三行 print(array2[:,2])#获取数组的第三列 print(array2[1:3,1])#获取数组第2和3行的第二列元素 print(array2[1,1:3])#获取数组的第2行的2和3列 print('--------------------------------------------------') <br>#输出全部行，一行输出成一个列表 for row in array2:     print(row) print('\n')<br>#输出全部列，一列输出成一个列表，array2.T为转置 for column in array2.T:     print(column) print('\n')<br>#将数组展开为一个列表 print(array2.flatten()) print('\n')<br>#将数组展开为一个列表，其中array2.flat将数组变为迭代器，上面的flatten()方法则直接返回 for item in array2.flat:     print(item)

　　

 

运行结果

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 28 29 30 31 32 33 34 35 36 37 38 39 40 41

[[ 3  4  5  6]  [ 7  8  9 10]  [11 12 13 14]] [11 12 13 14]     13 13     [11 12 13 14] [ 5  9 13] [ 8 12] [8 9] -------------------------------------------------- [3 4 5 6] [ 7  8  9 10] [11 12 13 14]     [ 3  7 11] [ 4  8 12] [ 5  9 13] [ 6 10 14]     [ 3  4  5  6  7  8  9 10 11 12 13 14]     3 4 5 6 7 8 9 10 11 12 13 14

　　

 

?

1	花式索引<br>程序示例

?

1

import numpy as np<br># 多维数组花式索引,我们需要给定行和列的值<br>arr1=np.array([[4,5,7,9],[2,4,6,8],[7,3,1,7]])<br>print(arr1)<br>print('\n')<br>#返回一条次对角线上的3个值<br>print(arr1[(0,1,2),(1,2,3)])<br>print('\n')<br>#返回的最后2行的第1，2，3列<br>print(arr1[1:,[0,1,2]])<br>#使用mask进行索引<br>print('\n')<br>mask=np.array([1,0,1,1],dtype=bool)<br>arr2=arr1[2,mask]<br>print(arr2)

　

 

运行结果

?

1 2 3 4 5 6 7 8 9 10 11 12 13

[[4 5 7 9]  [2 4 6 8]  [7 3 1 7]]     [5 6 7]     [[2 4 6]  [7 3 1]]     [7 1 7]

　　

 

 

 

合并

 

一维数组

程序示例

?

1 2 3 4 5 6 7 8 9

import numpy as np array1=np.array([1,2,3]) array2=np.array([4,5,6]) array3=np.vstack((array1,array2)) #纵向合并 array4=np.hstack((array1,array2)) #横向合并 print(array3) print(array1.shape) print(array2.shape) print(array3.shape)

 

运行结果

?

1 2 3 4 5

[[1 2 3]  [4 5 6]] (3,) (3,) (2, 3)

　　

 

import numpy as np


# #将列表转为numpy的数组
array1=np.array([1,2,3]).reshape(3,1)
array2=np.array([4,5,6]).reshape(3,1)
array3=np.vstack((array1,array2)) #纵向合并
array4=np.hstack((array1,array2)) #横向合并

array5=np.concatenate((array1,array2))
print(array5)
print('\n')
#对多个数组进行合并，axis=0为纵向合并，反之为横向合并
array6=np.concatenate((array1,array2),axis=1)
print(array6)

　　

 

?

1 2 3 4 5 6 7 8 9 10 11

[[1]  [2]  [3]  [4]  [5]  [6]]     [[1 4]  [2 5]  [3 6]]

　　

 

 

 

分割

程序示例

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18

import numpy as np       arr1=np.arange(12).reshape(3,4) print(arr1)   print('横向分割,对列进行分割，分割成2块') print(np.split(arr1,2,axis=1)) print(np.hsplit(arr1,2))   print('纵向分割,对行进行分割，分割成3块') print(np.split(arr1,3,axis=0)) print(np.vsplit(arr1,3))   print('不等量分割,(1为列，0为行)')   print(np.array_split(arr1,3,axis=1))

　　

运行结果

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25

[[ 0  1  2  3]  [ 4  5  6  7]  [ 8  9 10 11]] 横向分割,对列进行分割，分割成2块 [array([[0, 1],        [4, 5],        [8, 9]]), array([[ 2,  3],        [ 6,  7],        [10, 11]])] [array([[0, 1],        [4, 5],        [8, 9]]), array([[ 2,  3],        [ 6,  7],        [10, 11]])] 纵向分割,对行进行分割，分割成3块 [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])] [array([[0, 1, 2, 3]]), array([[4, 5, 6, 7]]), array([[ 8,  9, 10, 11]])] 不等量分割,(1为列，0为行) [array([[0, 1],        [4, 5],        [8, 9]]), array([[ 2],        [ 6],        [10]]), array([[ 3],        [ 7],        [11]])]

 

 

 

 

copy与deep copy

 

与原数组共享数据的形式

?

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19

import numpy as np     arr=np.arange(4) b=arr c=arr d=b   print(arr) print(b) print(c) print(d)   print('修改arr[0]的值') arr[0]=10   print(b is arr,b) print(c is arr,c) print(d is arr,d)

　　

运行结果

?

1 2 3 4 5 6 7 8

[0 1 2 3] [0 1 2 3] [0 1 2 3] [0 1 2 3] 修改arr[0]的值 True [10  1  2  3] True [10  1  2  3] True [10  1  2  3]

　　

 

不与原数据共享数据的形式

?

1 2 3 4 5 6 7 8 9 10 11 12 13

import numpy as np     arr=np.arange(4) b=arr.copy() print(arr) print(b)     print('修改arr[0]的值') arr[0]=10 print(arr) print(b is arr,b)

　　

 

 

运行结果

?

1 2 3 4

[0 1 2 3] [0 1 2 3] 修改arr[0]的值 False [0 1 2 3]

　　

总结：

如果你想把它们关联起来，就使用第一种方法

如果只是把一个数组的值给另一个数组，使用第二种方法