本文主要是介绍numpy 学习汇总45 - 数组选择设置（11种方法）( 初步学习 tcy)，希望对大家解决编程问题提供一定的参考价值，需要的开发者们随着小编来一起学习吧！
选择设置 2018/6/24 2018/11/30============================================================================= 1.函数np.s_[:] #数组索引 np.index_exp[2::2] #建立数组索引元组的更好方法a.item(* args) 复制元素到python标量# 参数：None:len(a)=1; Int_type:数组平面索引;Int_types:元祖 a.itemset(* args)更改数组中数值 # 参数：参数1int 或元祖,位置(x,[y])；参数2更改值 a.getfield(dtype,offset = 0 ) #以给定类型返回给定数组的字段。np.take(a,indices,axis = None,out = None,mode ='raise' )# 获取（默认1D ）元素；优于花式索引 np.put(a,ind,v,mode ='raise' ) # 设置1D元素；等价a.flat[ind] = vnp.nonzero(a) #返回输入数组中非零元素的索引。np.select(condlist, choicelist, default=0) #返回从选择列表中的元素绘制的数组，取决于条件 np.choose(a,choice,out = None,mode ='raise' )#根据条件选择 np.where(condition, [x, y]) #返回输入数组中满足给定条件的元素的索引。 np.extract() #根据某个条件从数组中抽取元素，返回满条件元素np.compress(condition,axis = None,out = None )# 沿给定的轴返回此数组的选定切片============================================================================= 2.实例# 实例1：np.s_-数组索引 np.s_[2::2] #slice(2, None, 2) np.index_exp[2::2] #(slice(2, None, 2),) np.array([0, 1, 2, 3, 4])[np.s_[2::2]] # array([2, 4]) np.array([0, 1, 2, 3, 4])[np.index_exp[2::2]] #array([2, 4])# 实例2：item-获取标量 a=np.arange(12).reshape(3,4) a.item(7) #7 获取标量 a.item(0,2,) #2 获取标量 等价a.item((0,2))# 实例3：itemset-设置标量 a.itemset(7,-7) #修改元素为-7 a #array([[ 0, 1, 2, 3],[ 4, 5, 6, -7],[ 8, 9, 10, 11]]) a.itemset((0,2),-2) #修改元素为-2 a #array([[ 0, 1, -2, 3], [ 4, 5, 6, -7],[ 8, 9, 10, 11]])# 实例3：getfield-获取数值字段 x = np.diag([1.+1.j]*2) x[1, 1] = 2 + 4.j x # array([[ 1.+1.j, 0.+0.j],[ 0.+0.j, 2.+4.j]]) x.getfield(np.float64) # array([[ 1., 0.], [ 0., 2.]])# 选择8字节偏移量得到虚部视图 x.getfield(np.float64, offset=8)# array([[ 1., 0.], [ 0., 4.]])============================================================================= # 实例4：take-选取元素 a = np.array([10, 11, 12, 13, 14, 15])np.take(a, [0,1,2,3]) # array([10, 11, 12, 13]) np.take(a, [[0, 1], [2, 3]]) # array([[10, 11],[12, 13]])a=np.arange(10,22).reshape(3,4) np.take(a,[0,1,2,3]) # array([10, 11, 12, 13]) np.take(a,[[0,1],[2,3]]) # array([[10, 11], [12, 13]])a.take([1,2],axis=0) # array([[14, 15, 16, 17],[18, 19, 20, 21]]) #选取第2,3行 a.take([1,2],axis=1) # array([[11, 12],[15, 16], [19, 20]]) #选取第2,3列#实例5：put-替换选定位置数据 a = np.arange(5) a.put([1,2],-1) #将选定的元素用-1替 a #array([ 0, -1, -1, 3, 4])np.put(a, [4,3,2,1], [-4,-3,-2,-1 ])#选定元素用list替换 a #array([ 0, -1, -2, -3, -4])# 实例6：nonzero-非零元素索引 np.nonzero ([3,0,2,5,0,6])# (array([0, 2, 3, 5], dtype=int64),) a = np.array([[3,4,0],[0,2,1],[5,0,6]]) b=np.nonzero (a) # (array([0, 0, 1, 1, 2, 2], dtype=int64),array([0, 1, 1, 2, 0, 2], dtype=int64)) np.transpose(b) # array([[0, 0], [0, 1], [1, 1],[1, 2],[2, 0],[2, 2]], dtype=int64) a[b] # array([3, 4, 2, 1, 5, 6])# 一个常用用法是查找条件为True数组的索引 a = np.array([[1,2,3],[4,5,6]]) a > 3 # array([[False, False, False],[ True, True, True]]) np.nonzero(a > 3) # 结果同下 (a > 3).nonzero() # (array([1, 1, 1], dtype=int64), array([0, 1, 2], dtype=int64))np.count_nonzero(a,axis = None )# 计算数组中非零值的数量a。 np.count_nonzero(a)============================================================================= # 实例7：select-根据条件选择相应的值 x = np.arange(10) condlist = [x<3, x>5] choicelist = [x, x**2] np.select(condlist, choicelist) # array([ 0, 1, 2, 0, 0, 0, 36, 49, 64, 81]) np.select(condlist, choicelist,-1) # array([ 0, 1, 2, -1, -1, -1, 36, 49, 64, 81])# 实例8：choose-根据条件选择 result=np.array([0,0,0,0]) a=np.choose([0,0,1,2],[0,-1,-2,-3,-4],out=result) #a为1维，choices为1维 a # array([ 0, 0, -1, -2]) result==ab=np.choose([[0,1,2],[3,4,5],[5,4,3]],[0,-1,-2,-3,-4,-5])#a为2维，choices为1维 b # array([[ 0, -1, -2],[-3, -4, -5],[-5, -4, -3]])c=np.choose([4,3,2,1,0], #a为1维，choices为2维[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]]) c # array([40, 31, 22, 13, -4]) 4---0 对应choices(4,0) (3,1) (2,2) (1,3) (0,4)d=np.choose([[4,3,2,1,0],[0,1,2,3,4],[0,1,2,3,4]], #a为2维，choices为2维[[0,-1,-2,-3,-4],[10,11,12,13,14],[20,21,22,23,24],[30,31,32,33,34],[40,41,42,43,44]]) d # array([[40, 31, 22, 13, -4], [ 0, 11, 22, 33, 44],[ 0, 11, 22, 33, 44]])# 实例9：where-根据条件选择 x = np.arange(9).reshape(3, 3) y = np.where(x > 3)# (array([1, 1, 2, 2, 2], dtype=int64), array([1, 2, 0, 1, 2], dtype=int64)) x[y] #array([4, 5, 6, 7, 8])# 实例10：where-根据条件选择 x = np.arange(9.).reshape(3, 3) condition = np.mod(x,2) == 0# 定义条件, 选择偶数元素 condition # array([[True,False,True],[False,True,False],[True,False,True]]) np.extract(condition, x) # array([0., 2., 4., 6., 8.]) # 使用条件提取元素============================================================================ # 实例11：compress-沿轴返回此数组选定切片np.compress(condition,axis = None,out = None )# 沿给定的轴返回此数组的选定切片a = np.array([[1, 2], [3, 4], [5, 6]]) b1=np.compress([1, 1,0], a, axis=0) # 按行选取,前为逻辑条件,选取第1,2行 b2=np.compress([4, True], a, axis=1) # 按列选取,前为逻辑条件,表示选取第1,2列#在平面阵列上工作时不会沿着轴返回切片,而是选择元素。 b3=np.compress([2, True,0,1,4], a)# 条件为真时选一个元素；逻辑条件最多6个b1= [[1 2][3 4][5 6]] b2= [[1 2][3 4][5 6]] b3= [1 2 4 5]============================================================================= 3.备注： np.choose(a,choice,out = None,mode ='raise' )#根据条件选择# 参数 # a ：int #数组元素0~n-1 # choices： #要操作数组，维度和a匹配 # out： #接收运算结果维度和 a 一样 # mode：#raise默认，a中元素不能超过 n # #clip：a 中的元素如小于0将其变为0，如大于n-1变为n-1 # #wrap：将a中的值 value变为value mod n，即值除以n余数。=============================================================================
这篇关于numpy 学习汇总45 - 数组选择设置（11种方法）( 初步学习 tcy)的文章就介绍到这儿，希望我们推荐的文章对编程师们有所帮助！
![C#实战|大乐透选号器[6]：实现实时显示已选择的红蓝球数量](https://i-blog.csdnimg.cn/direct/cda2638386c64e8d80479ab11fcb14a9.png)
