用于访问多维 Numpy 数组不同列的程序
pythonserver side programmingprogramming
Numpy 是 Python 中用于计算数值数据的最强大的库。它提供多维数组，以及用于处理数组的不同函数和模块集合。其高效的数组操作、广播功能以及与其他库的集成使其成为数据操作、分析和建模任务的首选。以下是 Numpy 库的主要特性和功能。
多维数组
数组创建
数组操作
索引和切片
矢量化操作
数值例程
与其他库集成
性能
开源和社区支持
数组创建
在 Numpy 库中，我们有称为 array() 和 reshape() 的函数。其中 array() 函数创建一维数组，reshape() 函数将给定的元素列表转换为定义的形状。
示例
在此示例中，我们将使用 array() 函数通过传递元素列表来创建二维数组，并使用 reshape() 函数通过传递数组的形状(即行数和列数)来创建二维数组。
import numpy as np
l = [90,56,14,22,1,21,7,12,5,24]
arr = np.array(l).reshape(2,5)
print("数组:",arr)
print("数组维度:",np.ndim(arr))
输出
数组:[[90 56 14 22 1] [21 7 12 5 24]] 数组维度:2
有几种方法可以访问多维数组的不同列。让我们详细了解一下每一个。
使用基本索引
我们可以使用带方括号的基本索引来访问 NumPy 数组的特定列，其中我们在括号内指定列索引以检索所需的列。
示例
在此示例中，我们将基本索引方法应用于二维数组，以使用 [:,0] 访问数组的第一列，然后它返回二维数组的第一列元素。
import numpy as np
l = [90,56,14,22,1,21,7,12,5,24]
arr = np.array(l).reshape(2,5)
print("array:",arr)
print("数组的维度:",np.ndim(arr))
print("数组的第一列:",arr[:,0])
输出
数组:[[90 56 14 22 1] [21 7 12 5 24]] 数组的维度:2 数组的第一列:[90 21]
使用切片
切片用于访问给定输入数组中的一系列列，其中我们必须指定起始和结束索引，以及用冒号分隔的步长。
示例
在此示例中，我们访问中间使用切片技术应用 [:,3:5] 分割输入数组的 2 列，并返回中间列元素作为输出。
import numpy as np
l = [90,56,14,22,1,21,7,12,5,24]
arr = np.array(l).reshape(2,5)
print("array:",arr)
print("数组的维度:",np.ndim(arr))
print("数组的中间列:",arr[:,3:5])
输出
array: [[90 56 14 22 1] [21 7 12 5 24]] 数组的维度: 2 数组的中间列:[[22 1] [ 5 24]]
使用花式索引
花式索引允许我们通过提供列索引数组来访问特定列。当我们想要访问非连续列或特定的列子集时，可以使用这种方法。
示例
在此示例中，我们使用花式索引并应用索引列表 [:,0,4] 来访问第一列和最后一列，然后返回数组的最后一列和第一列元素。
import numpy as np
l = [90,56,14,22,1,21,7,12,5,24]
arr = np.array(l).reshape(2,5)
print("array:",arr)
print("数组的维度:",np.ndim(arr))
print("数组的第一列和最后一列array:",arr[:,[0,4]])
输出
array: [[90 56 14 22 1] [21 7 12 5 24]] 数组的维度:2 数组的第一列和最后一列:[[90 1] [21 24]]
