numpy的Fancy Indexing和array比较详解

这篇文章主要介绍了numpy的Fancy Indexing和array比较详解，文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值，需要的朋友们下面随着小编来一起学习学习吧

一：Fancy Indexing

import numpy as np #Fancy Indexing x = np.arange(16) np.random.shuffle(x) print(x) #打印所有的元素 print(x[2])#获取某个元素的值 print(x[1:3])#切片 print(x[3:9:2])#指定间距切片 index = [2,4,7,9] #索引数组 print(x[index])#获取索引数组中的元素的值 ind = np.array([[0,2],[1,4]]) #索引二维数组 print(x[ind])##获取索引二维数组中的元素的值 print("---------------------") X = x.reshape(4,-1) print(X) ind1 = np.array([1,3]) #行的索引 ind2 = np.array([2,0]) #列的索引 print(X[ind1,ind2]) print(X[:-2,ind2]) bool_index = [True,False,True,False] #True就取当前列，False就不取 print(X[:-1,bool_index])Fancy Indexing 应用在一维数组 x = np.arange(16) x[3] # 3 x[3:9] # array([3, 4, 5, 6, 7, 8]) 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) """ 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]) # 1行2列，2行3列，3行4列 X[row, col] # array([ 1, 6, 11]) # 前2行 2,3,4列 X[:2, col] """ array([[1, 2, 3], [5, 6, 7]]) """ col = [True, False, True, True] X[0, col] # array([0, 2, 3])二：array比较import numpy as np x = np.arange(16) print(x) print(x 3)&(X