Numpy的索引操作

切片索引

numpy的切片索引是从0开始，左闭右开的。

Numpy.linspace

numpy.linspace(start, stop, num=50, endpoint=True, retstep=False, dtype=None)

含义是返回闭区间$[start,stop]$分布均匀的num个点，这里值得强调的是，返回的点中必须包含start和stop，这意味着每个点之间的间隔为：
$$d=\frac{stop-start}{num-1}$$
所以一般的当开始点为0时，间隔有时会出乎你的意料。

Numpy索引的选择操作

与pandas类似Numpy中也有类似的操作可以实现查找最大值的哪一个等等的操作，比如：

上图是通过如下代码生成的：

np.random.seed(0)
trainx = np.vstack((np.random.randn(50,2),np.random.randn(50,2)+4))
traint = np.hstack((-1*np.ones(50),np.ones(50)))[:,None]
plt.figure()
c0 = np.where(traint==-1)[0]
c1 = np.where(traint==1)[0]
plt.plot(trainx[c0,0],trainx[c0,1],'bo',markersize=10)
plt.plot(trainx[c1,0],trainx[c1,1],'ro',markersize=10)

我们想把红色点中最下方的点变为蓝色该如何实现呢？也许下面的代码对你有帮助：

print(trainx)
print(trainx[:,1])
print(max(trainx[:,1]))
print(np.where(trainx[:,1] == max(trainx[:,1]))[0][0])

尝试观察上面的输出，你应该能得到：

index = np.where(trainx[:,1] == min(trainx[50:100,1]))[0][0]
traint[index][0] *= -1

代码将这个点的数值乘以-1，得到相反的结果再画图可得：