这篇文章主要讲解了“如何在NumPy下索引与切片？索引与切片的用法”，文中的讲解内容简单清晰，易于学习与理解，下面请大家跟着我的思路慢慢深入，一起来研究和学习“NumPy下的索引与切片的用法”吧！
在我们使用NumPy包进行索引和切片时，学会使用这种操作是最重要也是我们平时使用到最多的。数据处理和机器学习的前提是必须非常熟悉的使用NumPy切片操作，所以一定要掌握好。掌握好之后你 可以看到它们会比Python来说更加方便、简介和强大。
索引和切片
你可以选择使用和切片 Python列表相同的方法，对NumPy数组进行索引和切片。例如：
data = np.array([1, 2, 3,4])
data[1]
2
data[0:2] array([1, 2]) data[1:] array([2, 3]) data[-2:] array([2, 3])
NumPy在某些情况下使用起来就会简单很多，比如在需要获取数组的其中部分或特殊的数组元素，以便在下一步分析或其他情况下中使用。为此，需要对数组进行子集、切片和/或索引。如果你还想从数组中选择满足特殊条件的值也可以使用这种方式。
例如，如果从这个数组开始：
a = np.array([[1 , 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]])
打印数组中小于8的所有值
print(a[a < 8])
[1 2 3 4 5 6 7]
还可以选择等于或大于8的数字，并使用该条件对数组进行索引。
hh = (a >= 8) print(a[hh])
[ 8 9 10 11 12]
可以选择可被2整除的元素：
A= a[a%2==0] print(A)
[ 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，小于5：
b = np.nonzero(a < 5) print(b) (array([0, 0, 0, 0]), array([0, 1, 2, 3]))
以上就是关于“如何在NumPy下索引与切片？索引与切片的方法”的全部内容了，经过本文的学习后，相信大家对NumPy下的索引与切片的用法这一问题有了更深刻的体会，具体使用情况还需要大家动手操作。
更多python相关文章请访问分类：python
【版权声明】本文图文出自大盘站@dapan.cc，转载请注明出处！
