1. 一維數組索引及切片
import numpy as np
ar = np.arange(20)
print(ar)
print(ar[4])
print(ar[3:6])
–> 輸出的結果為:
[ 0 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19]
4
[3 4 5]
2. 二維數組索引及切片
ar = np.arange(16).reshape(4,4)
print(ar, '數組軸數為%i' %ar.ndim) # 4*4的數組
print(ar[2], '數組軸數為%i' %ar[2].ndim) # 切片為下一次元的一個元素,是以是一維數組
print(ar[2][1]) # 二次索引,得到一維數組中的一個值
print(ar[1:3], '數組軸數為%i' %ar[1:3].ndim) # 切片為兩個一維數組組成的二維數組
print(ar[2,2]) # 切片數組中的第三行第三列 → 10
print(ar[:2,1:]) # 切片數組中的1,2行、2,3,4列 → 二維數組
–> 輸出的結果為:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]] 數組軸數為2
[ 8 9 10 11] 數組軸數為1
9
[[ 4 5 6 7]
[ 8 9 10 11]] 數組軸數為2
10
[[1 2 3]
[5 6 7]]
3. 三維數組索引及切片
ar = np.arange(8).reshape(2,2,2)
print(ar, '數組軸數為%i' %ar.ndim) # 2*2*2的數組
print(ar[0], '數組軸數為%i' %ar[0].ndim) # 三維數組的下一個次元的第一個元素 → 一個二維數組
print(ar[0][0], '數組軸數為%i' %ar[0][0].ndim) # 三維數組的下一個次元的第一個元素下的第一個元素 → 一個一維數組
print(ar[0][0][1], '數組軸數為%i' %ar[0][0][1].ndim)
–> 輸出的結果為:(注意第一個是三維數組,可以多重索引)
[[[0 1]
[2 3]]
[[4 5]
[6 7]]] 數組軸數為3
[[0 1]
[2 3]] 數組軸數為2
[0 1] 數組軸數為1
1 數組軸數為0
4. 布爾型索引及切片
★★★★★4.1 布爾型索引:以布爾型的矩陣去做篩選
ar = np.arange(12).reshape(3,4)
i = np.array([True,False,True])
j = np.array([True,True,False,False])
print(ar)
print(i)
print(j)
print(ar[i,:]) # 在第一次元做判斷,隻保留True,這裡第一次元就是行,ar[i,:] = ar[i](簡單書寫格式)
print(ar[:,j]) # 在第二次元做判斷,這裡如果ar[:,i]會有警告,因為i是3個元素,而ar在列上有4個
–> 輸出的結果為:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]]
[ True False True]
[ True True False False]
[[ 0 1 2 3]
[ 8 9 10 11]]
[[0 1]
[4 5]
[8 9]]
★★★★★ 4.2 根據條件索引取值,是上面應用的延伸
m = ar > 5
print(m) # 這裡m是一個判斷矩陣
print(ar[m]) # 用m判斷矩陣去篩選ar數組中>5的元素
–> 輸出的結果為:
[[False False False False]
[False False True True]
[ True True True True]]
[ 6 7 8 9 10 11]
5. 數組索引及切片的值更改、複制
5.1 一個标量指派給一個索引/切片時,會自動改變/傳播原始數組
ar = np.arange(10)
print(ar)
ar[5] = 100
ar[7:9] = 200
print(ar)
–> 輸出的結果為:
[0 1 2 3 4 5 6 7 8 9]
[ 0 1 2 3 4 100 6 200 200 9]
5.2 為了防止資料被破壞,可以使用 copy()
的方法進行數組複制
copy()
ar = np.arange(10)
b = ar.copy()
b[7:9] = 200
print(ar)
print(b)
–> 輸出的結果為:
[0 1 2 3 4 5 6 7 8 9]
[ 0 1 2 3 4 5 6 200 200 9]