Was ist die Numpy-Slicing-Operationsmethode?

Numpy-Slicing-Operationsmethode: 1. Eindimensionales Array-Slicing, Sie können eine Methode verwenden, die dem Listen-Slicing in Python ähnelt, um Slicing-Operationen durchzuführen. 2. Zweidimensionales Array-Slicing, Sie können zwei Indexwerte verwenden Führen Sie zuerst den Slicing-Vorgang durch. Der erste Indexwert repräsentiert die Zeile und der zweite Indexwert stellt die Spalte dar. 3. Beim mehrdimensionalen Array-Slicing können Sie mehrere Indexwerte verwenden, um Slicing-Vorgänge durchzuführen, wobei jeder Indexwert entspricht eine Dimension; 4. Boolescher Index, der durch Filtermethode mit booleschen Werten durchgeführt wird. 5. Bedingtes Index-Slicing ist eine Methode zum Filtern durch bedingte Ausdrücke usw.

Das Betriebssystem dieses Tutorials: Windows 10-System, Python-Version 3.11.4, Dell G3-Computer.

Numpy ist eine Open-Source-Bibliothek für numerische Berechnungen, die umfangreiche Array-Operationsfunktionen bietet. Unter diesen ist der Slicing-Vorgang eine der am häufigsten verwendeten Funktionen in Numpy. Die Slicing-Operation kann durch Indizierung eine Teilmenge des Arrays erhalten und Vorgänge wie Slicing, Dicing und Zeilenschneiden für das Array ausführen. In diesem Artikel wird die Slicing-Operationsmethode von Numpy ausführlich vorgestellt.

In Numpy können Slicing-Operationen für eindimensionale Arrays, zweidimensionale Arrays und mehrdimensionale Arrays verwendet werden. Die Slicing-Operationsmethoden in diesen drei Fällen werden im Folgenden vorgestellt.

Eindimensionaler Array-Slicing-Vorgang:

Für eindimensionale Arrays können Sie Slicing-Vorgänge auf ähnliche Weise wie das Listen-Slicing in Python ausführen.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中的前三个元素
b = a[:3]
print(b)  # 输出: [0 1 2]
# 获取数组中的第三个到第六个元素
c = a[2:6]
print(c)  # 输出: [2 3 4 5]
# 获取数组中的倒数三个元素
d = a[-3:]
print(d)  # 输出: [7 8 9]

Zweidimensionale Array-Slicing-Operation:

Für ein zweidimensionales Array können Sie zwei Indexwerte verwenden, um Slicing-Operationen durchzuführen, wobei der erste Indexwert die Zeile und der zweite Indexwert darstellt die Kolumne.

import numpy as np
a = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11]])
# 获取数组的第一行
b = a[0, :]
print(b)  # 输出: [0 1 2 3]
# 获取数组的第二列
c = a[:, 1]
print(c)  # 输出: [1 5 9]
# 获取数组的前两行和前三列
d = a[:2, :3]
print(d)  # 输出: [[0 1 2]
          #        [4 5 6]]

Mehrdimensionaler Array-Slicing-Vorgang:

Für mehrdimensionale Arrays können mehrere Indexwerte zum Ausführen von Slicing-Vorgängen verwendet werden, wobei jeder Indexwert einer Dimension entspricht.

import numpy as np
a = np.array([[[0, 1, 2],
               [3, 4, 5],
               [6, 7, 8]],
              [[9, 10, 11],
               [12, 13, 14],
               [15, 16, 17]]])
# 获取数组的第一个元素
b = a[0, :, :]
print(b)  # 输出: [[0 1 2]
          #        [3 4 5]
          #        [6 7 8]]
# 获取数组的第二个元素的第一行和第二行
c = a[1, :2, :]
print(c)  # 输出: [[ 9 10 11]
          #        [12 13 14]]

Zusätzlich zur Verwendung ganzzahliger Indizes für Slicing-Vorgänge können Sie auch boolesche Indizes und bedingte Indizes für Slicing-Vorgänge verwenden.

Boolescher Index-Slicing-Vorgang:

Der boolesche Index ist eine Möglichkeit zum Filtern nach booleschen Werten, mit der Elemente in einem Array abgerufen werden können, die bestimmte Bedingungen erfüllen.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中大于5的元素
b = a[a > 5]
print(b)  # 输出: [6 7 8 9]

Bedingter Index-Slicing-Vorgang:

Der bedingte Index ist eine Möglichkeit zum Filtern durch bedingte Ausdrücke, die verwendet werden können, um Elemente in einem Array abzurufen, die bestimmte Bedingungen erfüllen.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中大于5的元素的索引值
b = np.where(a > 5)
print(b)  # 输出: (array([6, 7, 8, 9]),)

Numpys Slicing-Operation bietet eine flexible und effiziente Möglichkeit, eine Teilmenge eines Arrays zu erhalten. Unabhängig davon, ob es sich um ein eindimensionales Array, ein zweidimensionales Array oder ein mehrdimensionales Array handelt, können Sie Slicing-Vorgänge zum Extrahieren und Filtern von Daten verwenden. Slicing-Operationen unterstützen nicht nur ganzzahlige Indizes, sondern auch boolesche Indizes und bedingte Indizes, die verschiedene Anforderungen erfüllen können. Durch die rationelle Nutzung der Slicing-Operationen von Numpy können die Effizienz und Flexibilität der Datenverarbeitung verbessert werden.

Das obige ist der detaillierte Inhalt vonWas ist die Numpy-Slicing-Operationsmethode?. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!