机器学习python基础(五)numpy(四)

文章目录

  • numpy.array 的fancy index
    • 一维
    • 二维
  • numpy.array的比较
    • 比较
    • 使用比较结果
    • 比较结果和fancy index

numpy.array 的fancy index

其实就是通过索引取数的强化版,传递索引数组以便一次得到多个数组元素。

一维

一维情况下简单取数:
机器学习python基础(五)numpy(四)_第1张图片
一维数组取0列2列,加上1列3列拼成二维:
机器学习python基础(五)numpy(四)_第2张图片

二维

机器学习python基础(五)numpy(四)_第3张图片
取索引为(0,1),(1,2),(2,3)的数:
在这里插入图片描述
取所有第0行,1、2、3列的数据:
在这里插入图片描述
取从0开始的数量:
机器学习python基础(五)numpy(四)_第4张图片
使用bool进行取数:
机器学习python基础(五)numpy(四)_第5张图片

numpy.array的比较

比较

普通的比较是简单的:
机器学习python基础(五)numpy(四)_第6张图片
在这里插入图片描述

使用比较结果

看两个简单的:
机器学习python基础(五)numpy(四)_第7张图片
添加了多维比较复杂的:
-机器学习python基础(五)numpy(四)_第8张图片
一维的还可以通过如下方式使用比较结果:
机器学习python基础(五)numpy(四)_第9张图片
多维:
机器学习python基础(五)numpy(四)_第10张图片
使用&而不是&&:
机器学习python基础(五)numpy(四)_第11张图片
除了符号之外,还可以用如下方式:
在这里插入图片描述
还有np.logical_not,np.logical_or。

比较结果和fancy index

看一维的比较,简单:
机器学习python基础(五)numpy(四)_第12张图片
二维的,虽然看起来复杂,但是一步步拆开,就不难了:
机器学习python基础(五)numpy(四)_第13张图片

你可能感兴趣的:(机器学习,python)