Numpy中重要的概念Fancy Indexing

梦里梦外; 2022-12-20 06:06 134阅读 0赞

### 文章目录 ###

*  Numpy中重要的概念Fancy Indexing
 *   *  Numpy中的比较和Fancy Indexing
     *   *  Fancy Indexing
         *   *  Fancy Indexing 应用在二维数组
         *  numpy.array的比较
         *  使用numpy.array的比较结果
         *  比较结果和Fancy Indexing
 *  最后一个例子说明
 *  参考资料

# Numpy中重要的概念Fancy Indexing #

## Numpy中的比较和Fancy Indexing ##

### Fancy Indexing ###

import numpy as np
    
    x = np.arange(16)
    x

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

x[3]

x[3:5]

array([3, 4])

x[3:9:2]

array([3, 5, 7])

[x[3], x[5], x[7]]

[3, 5, 7]

ind = [3, 5, 7]
    x[ind]

array([3, 5, 7])

ind = np.array([[0, 2], [1, 3]])
    x[ind]

array([[0, 2],
           [1, 3]])

#### Fancy Indexing 应用在二维数组 ####

X = x.reshape(4, -1)
    X

array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15]])

row = np.array([0, 1, 2])
    col = np.array([1, 2, 3])
    X[row, col]

array([ 1,  6, 11])

X[0, col]

array([1, 2, 3])

X[:2, col]

array([[1, 2, 3],
           [5, 6, 7]])

col = [True, False, True, True]

X[0, col]

array([0, 2, 3])

X[1:3, col]

array([[ 4,  6,  7],
           [ 8, 10, 11]])

### numpy.array的比较 ###

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

x < 3

array([ True,  True,  True, False, False, False, False, False, False,
           False, False, False, False, False, False, False], dtype=bool)

x > 3

array([False, False, False, False,  True,  True,  True,  True,  True,
            True,  True,  True,  True,  True,  True,  True], dtype=bool)

x <= 3

array([ True,  True,  True,  True, False, False, False, False, False,
           False, False, False, False, False, False, False], dtype=bool)

x >= 3

array([False, False, False,  True,  True,  True,  True,  True,  True,
            True,  True,  True,  True,  True,  True,  True], dtype=bool)

x == 3

array([False, False, False,  True, False, False, False, False, False,
           False, False, False, False, False, False, False], dtype=bool)

x != 3

array([ True,  True,  True, False,  True,  True,  True,  True,  True,
            True,  True,  True,  True,  True,  True,  True], dtype=bool)

2 * x == 24 - 4 * x

array([False, False, False, False,  True, False, False, False, False,
           False, False, False, False, False, False, False], dtype=bool)

X < 6

array([[ True,  True,  True,  True],
           [ True,  True, False, False],
           [False, False, False, False],
           [False, False, False, False]], dtype=bool)

### 使用numpy.array的比较结果 ###

array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10, 11, 12, 13, 14, 15])

np.count_nonzero( x <= 3)

np.sum(x <= 3)

np.sum(X % 2 == 0, axis=0)

array([4, 0, 4, 0])

np.sum(X % 2 == 0, axis=1)

array([2, 2, 2, 2])

np.any(x == 0)

True

np.any(x < 0)

False

np.all(x > 0)

False

np.all(x >= 0)

True

np.all(X > 0, axis=1)

array([False,  True,  True,  True])

np.sum((x > 3) & (x < 10))

np.sum((x > 3) && (x < 10))

File "<ipython-input-43-d834f65999a2>", line 1
        np.sum((x > 3) && (x < 10))
                        ^
    SyntaxError: invalid syntax

np.sum((x % 2 == 0) | (x > 10))

np.sum(~(x == 0))

### 比较结果和Fancy Indexing ###

x < 5

array([ True,  True,  True,  True,  True, False, False, False, False,
           False, False, False, False, False, False, False], dtype=bool)

x[x < 5]

array([0, 1, 2, 3, 4])

x[x % 2 == 0]

array([ 0,  2,  4,  6,  8, 10, 12, 14])

array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15]])

X[X[:,3] % 3 == 0, :]

array([[ 0,  1,  2,  3],
           [12, 13, 14, 15]])

# 最后一个例子说明 #

X数组为

array([[ 0,  1,  2,  3],
           [ 4,  5,  6,  7],
           [ 8,  9, 10, 11],
           [12, 13, 14, 15]])

我们要查找,每行的第三列能被3整除的行

![在这里插入图片描述][202011111030395.png_pic_center]

X[X[:,3] % 3 == 0, :]

输出

array([[ 0,  1,  2,  3],
               [12, 13, 14, 15]])

解释  
分成两部分看`X[:,3] % 3 == 0`为行索引的条件，`:`为列索引的条件  
先看行，`X[:,3]`的意思是取所有的行，列取索引下标为3的列  
![在这里插入图片描述][20201111104413215.png_pic_center]  
对3取模为0的是，数字为3，15，所在的行。  
再看列部分，列部分  
![在这里插入图片描述][20201111104837859.png_pic_center]

# 参考资料 #

liuyubobobo老师的《Python3入门机器学习\_经典算法与应用》

[202011111030395.png_pic_center]: /images/20221120/a371154718ec403987d9b689502864a9.png
[20201111104413215.png_pic_center]: /images/20221120/03a91b22549e49e78d65927422b5c539.png
[20201111104837859.png_pic_center]: https://img-blog.csdnimg.cn/20201111104837859.png#pic_center