Numpy 高级索引

发布时间：2023-07-03 09:18:22 所属栏目：教程来源：

导读：Numpy 比一般的 Python 序列提供更多的索引方式。除了前面章节介绍的用整数和切片的索引外，本节深入介绍布尔型索引和花式索引。

比较运算符与布尔型数组
在实际使用中，可以通过比较运算符来产生一个布尔型数组

Numpy 比一般的 Python 序列提供更多的索引方式。除了前面章节介绍的用整数和切片的索引外，本节深入介绍布尔型索引和花式索引。

比较运算符与布尔型数组
在实际使用中，可以通过比较运算符来产生一个布尔型数组。

案例
利用random模块产生一个大小为7×4的随机数数组：

data = np.random.randn(,)data
out:array([[-, -, , -], [ , -, -, ], [- , -, -, -], [-, , , ], [-, - , -, ], [-, , , ], [-, -, , -]])
定义一个名称数组，长度为7，并假设上述data中的每一行与名称数组中的名字一一对应。

names = np.array(['Ben','Tom','Ben','Jeremy','Jeremy','Tom','Ben'])names
out:array(['Ben', 'Tom', 'Ben', 'Jeremy', 'Jeremy', 'Tom', 'Ben'], dtype='<U6')
对data数组，通过传入一个比较运算符，可以与全部元素逐一比较：

data > out:array([[False, False, True, False], [ True, False, False, True], [False, False, False, False], [False, True, True, True], [False, False, False, True], [False, True, True, True], [False, False, True, False]])
对同样大小的布尔型数组，可以利用&（和）、|（或）、-（非）进行运算。

例如对data进行-1~1之间的判断：

(data>-) & (data < )out:array([[ True, True, True, True], [ True, True, False, True], [ True, True, True, False], [ True, False, False, True], [ True, False, True, True], [False, False, False, True], [ True, True, True, True]])

比较运算符与布尔型索引
先利用比较运算符创建布尔型数组，再利用布尔型索引的功能，可以快速进行筛选。

案例
names中的每一个名字，和data的每一行是一一对应的关系。因此可以快速地选择出Ben的相关信息：

data[names=='Ben']out:array([[-, -, , -], [- , -, -, -], [-, -, , -]])
利用‘&’运算符，一次性选择出Ben和Tom的相关信息

data[(names=='Ben') | (names=='Tom')]out:array([[-, -, , -], [ , -, -, ], [- , -, -, -], [-, , , ], [-, -, , -]])
布尔型数组也可以和切片、整数索引混合使用：

array([[-, -], [ , -], [- , -], [-, ], [-, -]])
特别地，也可以利用data本身，快速选择出大于0的元素：

data[data > ]out:array([, , , , , , , , , , ])
这里选择的结果是以一维数组的形式返回的。

（编辑：汽车网）

【声明】本站内容均来自网络，其相关言论仅代表作者个人观点，不代表本站立场。若无意侵犯到您的权利，请及时与联系站长删除相关内容!