3.9 Numpy中的比较和Fancy Indexing
Fancy Indexing
import numpy as np
x = np.arange(16)
x
运行结果为:array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15])
如果我们想要得到某几个特定的元素,需要通过索引来寻找。假如我们想要得到3、5、8这几个元素,我们一般这样来写:
[x[3], x[5], x[8]
但是为了方便,numpy提供了如下方法:
ind = [3, 5, 8]
x[ind]
#不仅一维的可以,二维向量的也可以
ind = np.array([[0,2],[1,3]])
x[ind]
结果是按照二维索引查找出来的值排列出来的二维矩阵
同样也可以使用在二维矩阵中
X = x.reshape(4, -1)
X
row = np.array([0,1,2])
col = np.array([1,2,3])
X[row,col]
运行结果:array([ 1, 6, 11]),这三个值是按照索引提供的坐标取得。
X[0, col] # 取出矩阵第一行的元素
X[:2, col] # 取前两行矩阵中的元素
# 也可以利用布尔值来表示索引
col = [True, False, True, True]
# 表示只对第1、3、4列感兴趣,不取第2列。
X[1:3, col]
运行结果是:
array([[ 4, 6, 7],
[ 8, 10, 11]])
numpy.array的比较
x
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])
同理
x > 3
x >= 3
x <= 3
x == 3
x != 3
2 * x == 24 - 4 * x
这种比较有什么意义呢?举个例子:计算班级同学年龄小于6的小朋友,于是我们可以直接利用下面一行代码得出:
np.sum(x < 6)
np.count_nonzero(x <= 3) //这个函数可以计算传入数组中非0元素的个数
#查看数据中是否有非0元素
np.any(x == 0)
#查看数据中的元素是否都大于0
np.all(x >= 0)
#同样也可以应用在二维矩阵上
X < 6
#查看二维矩阵偶数的个数
np.sum(X % 2 == 0)
#只针对行或者列查看偶数的个数
np.sum(X % 2 == 0, axis = 0)
np.sum(X % 2 == 0, axis = 1)
比较组合
#查看小朋友年龄大于3小于6的个数
np.sum((x > 3) & (x < 6))
np.sum((x % 2 == 0)|(x > 10))
np.sum(-(x == 0))
#查看元素中小于6的
x[x < 6]
#找出最后一列数组可以被3整除的行
X[X[:,3] %3 == 0, :]
运行结果如下所示: