创意福州网站建设快速网站轻松排名

索引访问

通过下标来访问数据元素，当总数不知道的时候，使用负值索引就很方便，特别是切片访问的时候

数组值	北京	上海	广州	深圳
正值索引	0	1	2	3
负值索引	0	-3	-2	-1

a = np.array([1, 2, 3, 4, 5, 6])print("| a[1]", a[1], sep=" | ", end="|\r\n")
print("| a[-1]", a[-1], sep=" | ", end="|\r\n")
print("| a[a.size-1]", a[a.size - 1], sep=" | ", end="|\r\n")

切片访问

1、 [start:end:step] ， step可以为负值，start包括，end不包括
2、通过切片返回的数组元素与原数组是一个引用，一改全改

• start可以省略，不写默认从0开始
• end可以省略，不写默认到-1结束
• step可以省略，不写默认是1

a = np.array([1, 2, 3, 4, 5, 6])
print("| a[:3:2]", "[1,3]", a[:3:2], sep=" | ", end="|\r\n")
print("| a[1::2]", "[2,4,6]", a[1::2], sep=" | ", end="|\r\n")
print("| a[::2]", "[1,3,5]", a[::2], sep=" | ", end="|\r\n")
print("| a[::]", "[1,2,3,4,5,6]", a[::], sep=" | ", end="|\r\n")
print("| a[:-2:-2]", "[1,2,3,4,5,6]", a[-2:1:-2], sep=" | ", end="|\r\n")

二维数组切片：

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

针对多维维数组，每个轴分别切片，然后取交叉点的元素

• 行（0轴），0👎1 -> 行0,1
• 列（1轴），1:4:2 ->列1,3

最终结果是3行2列的数组

a = np.array([(1, 2, 3, 4), (5, 6, 7, 8), (9, 10, 11, 12)])
print(a[0:-1:1, 1:4:2])

布尔索引

1、通过一个布尔数组来索引目标数组
2、布尔数组与原数组形状必须相同
3、返回的新数组与原数组无关，可以随便修改，深层复制
4、返回数据是一个一维数组

一维数组：

a = np.arange(start=1, stop=5, step=1)
b = np.array((True, True, False, False), dtype=np.bool_)
print(a[b])
print(a[a % 2 == 0])

二维数组：

a = np.array([(1, 2, 3), (4, 5, 6)], dtype=np.int32)
b = np.array([(True, False, False), (False, True, True)], dtype=np.bool_)
print(a[b])

花式索引

1、使用整数列表、整数数组作为数组索引
2、新数组的元素属于深层复制，修改不影响原数组

一维数组：

a = np.arange(start=1, stop=10, step=1)
# 整数数组
b = np.array([1, 2, 3])
print(a[b])# 整数列表
ll = [0, 2, 4]
print(a[ll])

二维数组：

1	2	3
4	5	6
7	8	9

• 0轴索引数组

1	2
2	2

• 1轴索引数组

0	0
1	1

• 结果展示

a[1,0]	a[2,0]
a[2,1]	a[2,1]

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)
# 0轴
d0 = np.array([[1, 2], [2, 2]])
# 1轴
d1 = np.array([[0, 0], [1, 1]])
print(a[d0, d1])[[4 7][8 8]]

迭代数组

使用numpy.nditer访问数组元素

1、默认遍历

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)
for x in np.nditer(a):print(x, end=", ")
print('\n')# 转置
for x in np.nditer(a.T):print(x, end=", ")
print('\n')

2、控制顺序

行优先

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)# C order，即是行序优先
for x in np.nditer(a, order='C'):print(x, end=", ")
print('\n')

列优先

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)# Fortran order，即是列序优先
for x in np.nditer(a, order='F'):print(x, end=", ")
print('\n')

3、读写模式

op_flags参数，默认read-only，可以设置readwrite 与writeonly

# 遍历中修改
a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)for x in np.nditer(a, op_flags=['readwrite']):x[...] = 2 * x
print('修改后的数组是：')
print(a)

4、其他参数

flags参数

参数	描述
c_index	可以跟踪 C 顺序的索引
f_index	可以跟踪 Fortran 顺序的索引
multi_index	每次迭代可以跟踪一种索引类型
external_loop	给出的值是具有多个值的一维数组，而不是零维数组

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)
it = np.nditer(a, flags=['f_index'])
for x in it:print('index：{0}， value：{1}'.format(it.index, x))
print("\n")it = np.nditer(a, flags=['c_index'])
for x in it:print('index：{0}， value：{1}'.format(it.index, x))
print("\n")it = np.nditer(a, flags=['multi_index'])
for x in it:print('index：{0}， value：{1}'.format(it.multi_index, x))
print("\n")for x in np.nditer(a, flags=['external_loop'], order='F'):print(x, end='\n')
print("\n")

广播迭代

1、数组拥有相同形状
2、当前维度的值相等
3、当前维度的值有一个是 1

1、标量与一维数组

标量与每一个元素相加

a = np.array([1, 2, 3])
b = a + 5
print(b)[6 7 8]

2、标量与二维数组

标量与每一个元素相加

a = np.array([(1, 2, 3), (4, 5, 6), (7, 8, 9)], dtype=np.int32)
b = a + 5
print(b)[[ 6  7  8][ 9 10 11][12 13 14]]

3、二维数据与一维数组

这里将一维数组拉伸复制，最后对应相加

a = np.array([[1, 2, 3], [4, 5, 6]])
b = np.array([10, 20, 30])result = a + b
print(result)

4、列向量与行向量相加

这里分别将两个一维数组拉伸复制，最后对应相加

a = np.array([[1], [2], [3]])
b = np.array([10, 20, 30])result = a + b
print(result)

5、二维数据与二维数组

这里对应元素相加

a = np.array([(1, 2, 3), (4, 5, 6)], dtype=np.int32)
b = np.array([(10, 20, 30), (40, 50, 60)], dtype=np.int32)
print(a + b)