Numpy數組對象的操作-索引機制、切片和迭代方法

前幾篇博文我寫了數組創建和數據運算，現在我們就來看一下數組對象的操作方法。使用索引和切片的方法選擇元素，還有如何數組的迭代方法。

一、索引機制

1.一維數組

In [1]: a = np.arange(10,16)

In [2]: a
Out[2]: array([10, 11, 12, 13, 14, 15])
#使用正數作為索引
In [3]: a[3]
Out[3]: 13
#還可以使用負數作為索引
In [4]: a[-4]
Out[4]: 12
#方括號中傳入多數索引值，可同時選擇多個元素
In [6]: a[[0,3,4]]
Out[6]: array([10, 13, 14])

2.二維數組

二維數組也被稱為矩陣，是由行和列組成的。axes為2，用0軸表示行，用1表示列。[行索引，列索引]

In [14]: A
Out[14]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])
#取出第三行第二列的元素
In [15]: A[2,1]
Out[15]: 17
#可以使用方括號取出多個元素
In [17]: A[[[2,1],[1,2]]]
Out[17]: array([17, 15])

 

 

二、切片操作：抽取部分數組元素生成新數組

1.一維數組切片操作

In [26]: a = np.arange(10,20)

In [27]: a[2:7]
Out[27]: array([12, 13, 14, 15, 16])

In [28]: a[5:8]
Out[28]: array([15, 16, 17])

#設置步長
In [30]: a[2:8:2]
Out[30]: array([12, 14, 16])

#省去第一個數，則認為是從0（第一個元素）開始的
In [31]: a[:8:2]
Out[31]: array([10, 12, 14, 16])

#省去第二個數，則認為是取最大索引值
In [32]: a[5::2]
Out[32]: array([15, 17, 19])

#省去第三個數，則認為步長為1
In [33]: a[5:8:]
Out[33]: array([15, 16, 17])

#省去前兩個數，則認為是選取步長為X的所有元素
In [34]: a[::2]
Out[34]: array([10, 12, 14, 16, 18])

2.二維數組切片操作

二維數組的切片操作與一維數組差不多，只不過讀了一個軸，那么方括號里面就要有兩個值（使用逗號隔開），可以把逗號的左邊和右邊當做是一個一位數組，比如：A[0:2,0:2]

In [1]: A = np.arange(10,19).reshape(3,3)

In [2]: A
Out[2]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])
#第一個索引使用了冒號，則代表取所有行，第二個索引是0，則代表選取第一列。即第一列的所有元素
In [3]: A[:,0]
Out[3]: array([10, 13, 16])

In [4]: A[0,:]
Out[4]: array([10, 11, 12])

#行選取了0:2，即第一第二行（冒號的右邊表示結束值，不在選取范圍之內），列也是一樣的道理
In [5]: A[0:2,0:2]
Out[5]:
array([[10, 11],
       [13, 14]])

#如果要選取不連續的元素，可以將這些索引放入一個數組內。下面就是選取了第一行和第三行，第一和第二列的元素
In [6]: A[[0,2],0:2]
Out[6]:
array([[10, 11],
       [16, 17]])

3.注意：python對列表的切片得到的是數組的副本，而numpy數組切片得到的是指向相同緩沖區的視圖。原數據改變，切片得到的數組也會隨之改變。

 三、數組的迭代

當我們用函數處理行、列或者單個元素時，會需要到數組的遍歷。

1.一維數組，使用for..in循環即可

In [7]: a = np.arange(0,11)

In [8]: a
Out[8]: array([ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9, 10])

In [9]: for i in a:
   ...:     print i
0
1
2
3
4
5
6
7
8
9
10

 

2.二維數組

也可以使用for循環，嵌套使用即可。但是實際上，你會發現它總是按照第一條軸對二維數組進行掃描。

In [10]: for row in A:
    ...:     print row
    ...:
[10 11 12]
[13 14 15]
[16 17 18]

 

如果想遍歷數組的每一個元素。可以循環遍歷A.flat

In [13]: for i in A.flat:
    ...:     print i
10
11
12
13
14
15
16
17
18

用for循環就顯得沒那么優雅了，numpy提供了一個更優雅的遍歷方法：apply_along_axis(func,axis,arr),這個函數可以使用聚合函數對每一列或行進行處理，並返回一個數值作為結果。

這個函數接收三個參數，第一個是聚合函數，第二個是對應哪條軸（axis=0按列操作，axis=1按行操作），第三個是要處理的數組

In [14]: A
Out[14]:
array([[10, 11, 12],
       [13, 14, 15],
       [16, 17, 18]])
#axis為1，按行進行操作，則輸出每行最大的值
In [15]: np.apply_along_axis(np.max,axis=1,arr=A)
Out[15]: array([12, 15, 18])
#輸出每行的平均值
In [16]: np.apply_along_axis(np.mean,axis=1,arr=A)
Out[16]: array([ 11.,  14.,  17.])

其中，第一個參數可以傳遞自己寫的函數

In [17]: def foo(x):
    ...:     return x/2

In [18]: np.apply_along_axis(foo,axis=1,arr=A)
Out[18]:
array([[5, 5, 6],
       [6, 7, 7],
       [8, 8, 9]])

 

四、使用條件表達式和布爾運算符選擇性地抽取元素

In [20]: B = np.random.random((3,3))

In [21]: B
Out[21]:
array([[ 0.11802695,  0.66445966,  0.06007488],
       [ 0.31908974,  0.35200425,  0.64225707],
       [ 0.60802331,  0.93322485,  0.28177795]])

#由條件表達式得到一個布爾數組
In [22]: B < 0.5
Out[22]:
array([[ True, False,  True],
       [ True,  True, False],
       [False, False,  True]], dtype=bool)
#將條件表達式放在方括號中，可以抽取滿足表達式的數組，組成一個新數組。
In [23]: B[B<0.5]
Out[23]: array([ 0.11802695,  0.06007488,  0.31908974,  0.35200425,  0.28177795])

 

五、總結

了解的數組的索引機制，對數組的切片操作，以及遍歷。