手撕numpy(三)：切片和索引详解
大家好，我是黄同学
手撕numpy系列持续更新中~
1、切片
1）numpy中数组切片与原生python切片的不同点
数组切片返回的是原始数组的视图，原生python切片返回的是原始数组的浅拷贝。
操作如下：
list1 = [1,2,3]
display(list1)
list2 = list1[1:]
display(list2)
# 此时，修改list2中某一个元素，查看原始列表的元素是否发生变化？
list2[0] = 666
display(list2)
display(list1)
array1 = np.array([1,3,5,2,4])
display(array1)
array2 = array1[2:]
display(array2)
# 此时，修改array2中某一个元素，查看原始数组的元素是否发生变化？
array2[0] = 888
display(array2)
display(array1)
结果如下：
① 使用数组对象的copy方法，实现底层数据的复制，而不是返回底层数据的视图；
array3 = np.array([1,2,3,4,5,6])
display(array3)
array4 = array3.copy()
display(array4)
array4[2] = 666
display(array4)
display(array3)
结果如下：
2）numpy中切片的使用
① 使用切片需要注意的知识点
② 一张图帮你理解数组切片
③ 常用切片操作如下
a = np.arange(10)
display(a) # array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
print(a[:3]) # 0 1 2
print(a[3:6]) # 3 4 5
print(a[6:]) # 6 7 8 9
print(a[::]) # 0 1 2 3 4 5 6 7 8 9
print(a[:]) # 0 1 2 3 4 5 6 7 8 9
print(a[::3]) # 0 3 6 9
print(a[1::3]) # 1 4 7
print(a[2::3]) # 2 5 8
# 当start、stop、step为负数的时候，理解起来就稍微难一点；
print(a[::-1]) # 9 8 7 6 5 4 3 2 1 0
print(a[:-4:-1]) # 9 8 7
print(a[-4:-7:-1]) # 6 5 4
print(a[-7::-1]) # 3 2 1 0
结果如下：
④ 当你理解了那幅图，可以做一下如下几道题目，检验一下自己；
a = np.arange(10)
display(a)
print(a[-8:-2:1])
print(a[7:1:-1])
注意：上述两个切片是否存在问题，假如不存在，结果又是什么？如果你能回答正确这两个问题，python切片，就没有问题了。
3）当数组是多维数组时，可以使用array[高维, 低维]的方式，按维度进行索引或切片。
如果中括号[]中只写了一个维度的时候，就代表最高维；
对每一个维度，都可以使用上述的切片功能；
① 直接举例说明
b = np.arange(20).reshape(4,5)
display(b)
display(b[2,3])
display(b[1])
display(b[-1])
# -----------------------------------------------
display(b[1:3,2:4])
display(b[2,1:4])
display(b[0:3,1])
# -----------------------------------------------
display(b[1:3,:])
display(b[:,1])
display(b[::])
结果如下：
② 怎么把一个二维数组的所有元素全部倒序过来？
c = np.arange(12).reshape(3,4)
display(c)
# ------------你可分步考虑一下---------------
display(c[::-1,:])
display(c[:,::-1])
display(c[::-1,::-1])
结果如下：
2、索引
1）普通索引
a = np.arange(1,13,1).reshape(3,4)
display(a)
# 获取某一个元素：如下两种方式
display(a[1][2])
display(a[1,2])
# 获取某一行元素：如下两种方式
display(a[1])
display(a[1,:])
# 获取某一列元素
display(a[:,1])
结果如下：
2）通过整数数组进行索引(☆☆☆)
当要选取的元素不连续时，可以提供一个索引数组来选择（或修改）对应索引位置
的元素。
通过整数数组索引，【返回的是原数组的拷贝，而不是视图】。
可以提供多个一维数组索引，此时会将每个数组的对应位置元素作为索引，返回对应的元素。
① 通过整数数组索引，获取数组中的元素(这个用的多一点)；
a = np.arange(1,21,1).reshape(5,4)
display(a)
# 选取数组a中的第2、第4、第5行数据；
display(a[[1,3,4]])
结果如下：
② 提供多个一维数组索引，获取数组中的元素(这种方式很特别，了解一下)；
a = np.arange(1,21,1).reshape(5,4)
display(a)
# 下面这个代码获取的是对应位置组成的坐标的元素
# [1,2]，[4,3]，[4,2]
display(a[[1,4,4],[2,3,2]])
结果如下：
③ 通过整数数组索引，【返回的是原数组的拷贝，而不是视图】；
a = np.arange(1,21,1).reshape(5,4)
display(a)
b = a[[1,3]]
display(b)
b[1,2] = 888
display(b)
display(a)
结果如下：
注意：当返回的是原数组的拷贝的时候，相当于将原始数组复制了一份，在内存中重新开辟了一块儿空间，存储起来了。因此，当我修改任何一个数组，相互之间没有任何影响。
3）通过布尔数组进行索引
含义：我们可以提供一个布尔类型的数组(A)，然后通过该数组(A)来对另外一个数组(B)进行索引(元素选取)。索引的原则为：如果为True，则选取对应位置的元素，否则不选取。
作用：通过布尔类型的数组进行索引是常见且实用的操作，我们通常用来进行元素选择（或过滤）操作。
① 通过布尔数组取一维数组中的元素
a = np.array([17,19,32,13,27,10,40])
a1 = a[[True,True,False,True,False,False,True]]
display(a1)
bool_index = a > 15
display(bool_index)
a2 = a[bool_index]
display(a2)
结果如下：
② 通过布尔数组取二维数组中的元素
b = np.arange(10,30).reshape(5,4)
display(b)
# 这个表示选取第1，2，4行；
b1 = b[[True,True,False,True,False]]
display(b1)
bool_index = b > 20
display(bool_index)
b2 = b[bool_index]
display(b2)
结果如下：
③ 构造布尔数组的几种常用的运算符
操作如下
c = np.arange([15,18,19,23,24,28,30,35,37,40,41,45])
display(c)
c1 = c[c>25]
display(c1)
c2 = c[(c>20) & (c<35)]
display(c2)
c3 = c[(c<20) | (c>40)]
display(c3)
c4 = c[~(c>40)]
display(c4)
结果如下
④ 取出两个数组中相同的元素
a = np.array([1, 3, 9, 10])
b = np.array([1, 8, 6, 10])
# 对应位置的元素，会进行比较；
display(a[a == b])
结果如下
近期文章，点击图片即可查看
后台回复关键词「进群」，即刻加入读者交流群~
五
先撕numpy，再撕pandas！
朱小五