NumPy 索引和切片的用法总结

参考NumPy官方文档，引和总结NumPy索引和切片，切片可以看到它们相比Python更加方便、法总简介和强大。引和

索引和切片

您可以使用与切片 Python列表相同的切片方法，对NumPy数组进行索引和切片。法总

>>> data = np.array([1,引和 2, 3]) >>> data[1] 2 >>> data[0:2] array([1, 2]) >>> data[1:] array([2, 3]) >>> data[-2:] array([2, 3]) 

你可以这样想象：

您可能需要获取数组的一部分或特定数组元素，以便在进一步分析或其他操作中使用。切片为此，法总需要对数组进行子集、引和切片和/或索引。切片

如果您想从数组中选择满足特定条件的法总值，那么NumPy很简单。引和

例如，切片如果从这个数组开始：

>>> a = np.array([[1 ,法总 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) 

可以轻松打印数组中小于5的亿华云计算所有值。

>>> print(a[a < 5]) [1 2 3 4] 

例如，还可以选择等于或大于5的数字，并使用该条件对数组进行索引。

>>> five_up = (a >= 5) >>> print(a[five_up]) [ 5  6  7  8  9 10 11 12] 

可以选择可被2整除的元素：

>>> divisible_by_2 = a[a%2==0] >>> print(divisible_by_2) [ 2  4  6  8 10 12] 

或者可以使用&和|运算符选择满足两个条件的元素：

>>> c = a[(a > 2) & (a < 11)] >>> print(c) [ 3  4  5  6  7  8  9 10] 

还可以使用逻辑运算符&和 |返回布尔值，指定数组中的值是否满足特定条件。这对于包含名称或其他分类值的数组很有用。

>>> five_up = (a > 5) | (a == 5) >>> print(five_up) [[False False False False]  [ True  True  True  True]  [ True  True  True True]] 

还可以使用np.nonzero()从数组中选择元素或索引。

从这个数组开始：

>>> a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]]) 

可以使用np.nonzero()打印元素的索引，例如，高防服务器小于5：

>>> b = np.nonzero(a < 5) >>> print(b) (array([0, 0, 0, 0]), array([0, 1, 2, 3])) 

在本例中，返回了一个数组元组：每个维度一个。第一个数组表示找到这些值的行索引，第二个数组表示找到这些值的列索引。

如果要生成元素所在的坐标列表，可以压缩数组，遍历坐标列表，然后打印它们。例如：

>>> listlist_of_coordinates= list(zip(b[0], b[1])) >>> for coord in list_of_coordinates: ...     print(coord) (0, 0) (0, 1) (0, 2) (0, 3) 

还可以使用np.nonzero()打印数组中小于5的元素，并使用：

>>> print(a[b]) [1 2 3 4] 

如果要查找的元素在数组中不存在，则返回的索引数组将为空。服务器租用例如：

>>> not_there = np.nonzero(a == 42) >>> print(not_there) (array([], dtype=int64), array([], dtype=int64)) 

很赞哦!（761）