本文共 6182 字，大约阅读时间需要 20 分钟。

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] = v    np.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-7a                        #array([[ 0,  1,  2,  3],[ 4,  5,  6, -7],[ 8,  9, 10, 11]])a.itemset((0,2),-2)      #修改元素为-2a                        #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.jx                                    # 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==a    b=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。    =============================================================================

转载地址：https://chunyou.blog.csdn.net/article/details/84669639 如侵犯您的版权，请留言回复原文章的地址，我们会给您删除此文章，给您带来不便请您谅解！