numpy中矩阵的数据选取

wuchangjian2021-11-14 18:32:55编程学习

numpy中矩阵的数据选取

例子

arr = np.array([[1,2,3],[4,5,6],[7,8,9]])

单个选取

arr[1]

Run:

[4,5,6]

arr[1,2]
  • 选取第二行中的第三个数

Run:

6

arr[[1,2,2]]
  • 相当于[arr[1],arr[2],arr[2]]

Run:

[[4 5 6]
[7 8 9]
[7 8 9]]

arr[[[[[1,2]]]]]
  • 相当于[[[arr[1],arr[2]]]]

Run:

[[[[4 5 6]
[7 8 9]]]]

arr[1][1]
  • 相当于(arr[1])[1]

Run:

5

arr[[1,2],[1,0]]
  • arr[a,b]=>相当于第a行的第b列
  • arr[[1,2],[1,0]]=> [arr[1,1],arr[2,0]]

Run:

[5,7]

切片划分

arr[:3]

Run:

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

arr[2:3,1:3]

[[8 9]]

条件筛选

arr[arr > 5]

Run:

[6 7 8 9]

condition = arr > 5
arr[condition]

Run:

[6 7 8 9]

condition = arr > 5
np.where(condition,-1,arr)
  • 当满足condition条件时都改为-1,否则维持arr原来的数值

Run:

[[ 1 2 3]
[ 4 5 -1]
[-1 -1 -1]]

condition = arr > 5
np.where(condition,-1,2)
  • 当满足condition条件时都改为-1,否则变为2

Run:

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

condition = arr > 5
np.where(condition,-1,-arr-1)
  • 当满足condition条件时都改为-1,否则变为-arr-1

Run:

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

相关文章

note_9

#define _CRT_SECURE_NO_WARNINGS 1 #inclu...

一起学Hive——总结常用的Hive优化技巧

今天总结本人在使用Hive过程中的一些优化技巧,希望给大家带来帮助。Hiv...

高质量的C/C++编程(2)----程序员必看系列

目录 前言 第二章 2.1 空行 2.2  代码行 2.3  代码行内的空格...

发表评论    

◎欢迎参与讨论,请在这里发表您的看法、交流您的观点。