首页 > Python资料 博客日记
NumPy 分割与搜索数组详解
2024-05-16 22:00:04Python资料围观165次
NumPy 分割数组
NumPy 提供了 np.array_split()
函数来分割数组,将一个数组拆分成多个较小的子数组。
基本用法
语法:
np.array_split(array, indices_or_sections, axis=None)
array
: 要分割的 NumPy 数组。
indices_or_sections
: 指定分割位置的整数列表或要包含每个子数组的元素数量的列表。
axis
: 可选参数,指定要分割的轴。默认为 0(即行分割)。
示例:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
# 将数组分割成 3 个子数组
new_arrays = np.array_split(arr, 3)
print(new_arrays) # 输出:
# [array([1, 2]), array([3, 4]), array([5, 6])]
# 指定分割位置
new_arrays = np.array_split(arr, [2, 5])
print(new_arrays) # 输出:
# [array([1, 2]), array([3, 4]), array([5, 6])]
# 沿列分割
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
new_arrays = np.array_split(arr, 3, axis=1)
print(new_arrays) # 输出:
# [array([[1, 4, 7]]), array([[2, 5, 8]]), array([[3, 6, 9]])]
注意事项
如果 indices_or_sections
指定的分割位置超出数组范围,则会引发异常。
如果数组元素数量不足以满足分割要求,则会从末尾进行调整。
np.array_split()
返回一个包含子数组的列表。
高级用法
除了基本用法之外,np.array_split()
还可以用于更复杂的分割操作:
使用掩码进行分割: 您可以使用掩码数组来指示哪些元素应该包含在每个子数组中。
不均匀分割: 您可以指定每个子数组包含的元素数量,即使数量不均等。
沿着任意轴分割: 您可以使用 axis
参数指定要分割的轴。
例如,以下代码使用掩码将数组分割成两个子数组,第一个子数组包含所有偶数元素,第二个子数组包含所有奇数元素:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6])
mask = arr % 2 == 0
new_arrays = np.array_split(arr, mask)
print(new_arrays) # 输出:
# [array([2, 4, 6]), array([1, 3, 5])]
练习
使用 np.array_split()
将以下数组 arr
沿行分割成 4 个子数组,每个子数组包含相等数量的元素。
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])
在评论中分享您的代码和输出。
Sure, here is the requested Markdown formatted content:
NumPy 搜索数组
NumPy 提供了多种方法来搜索数组中的元素,并返回匹配项的索引。
基本用法:np.where()
语法:
np.where(condition)
condition
:用于确定要查找的元素的布尔条件。
功能:
np.where()
逐个元素比较条件,并返回满足条件的元素的索引。
它返回一个元组,其中包含一个或多个数组,每个数组表示满足条件的元素的索引。
示例:
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
# 查找值为 4 的索引
indices = np.where(arr == 4)
print(indices) # 输出: (array([3, 5, 6]),)
# 查找大于 5 的元素的索引
indices = np.where(arr > 5)
print(indices) # 输出: (array([6, 7, 8]),)
搜索排序数组:np.searchsorted()
语法:
np.searchsorted(array, value, side='left')
array
:已排序的 NumPy 数组。
value
:要搜索的值。
side
:可选参数,指定搜索方向。默认为 'left'
(从左到右)。
功能:
np.searchsorted()
在排序数组中执行二进制搜索,并返回指定值应插入的位置以保持排序顺序。
它假定输入数组已排序。
示例:
import numpy as np
arr = np.array([1, 3, 5, 7, 9])
# 查找值 7 应插入的索引
index = np.searchsorted(arr, 7)
print(index) # 输出: 3
# 从右侧查找值 2 应插入的索引
index = np.searchsorted(arr, 2, side='right')
print(index) # 输出: 1
练习
使用 np.where()
或 np.searchsorted()
正确找到以下数组 arr
中所有等于 3 的元素的索引。
import numpy as np
arr = np.array([1, 2, 3, 4, 3, 3, 6, 7, 8])
在评论中分享您的代码和输出。
最后
为了方便其他设备和平台的小伙伴观看往期文章:
微信公众号搜索:Let us Coding
,关注后即可获取最新文章推送
看完如果觉得有帮助,欢迎点赞、收藏、关注
标签:
相关文章
最新发布
- 【Python】selenium安装+Microsoft Edge驱动器下载配置流程
- Python 中自动打开网页并点击[自动化脚本],Selenium
- Anaconda基础使用
- 【Python】成功解决 TypeError: ‘<‘ not supported between instances of ‘str’ and ‘int’
- manim边学边做--三维的点和线
- CPython是最常用的Python解释器之一,也是Python官方实现。它是用C语言编写的,旨在提供一个高效且易于使用的Python解释器。
- Anaconda安装配置Jupyter(2024最新版)
- Python中读取Excel最快的几种方法!
- Python某城市美食商家爬虫数据可视化分析和推荐查询系统毕业设计论文开题报告
- 如何使用 Python 批量检测和转换 JSONL 文件编码为 UTF-8
点击排行
- 版本匹配指南:Numpy版本和Python版本的对应关系
- 版本匹配指南:PyTorch版本、torchvision 版本和Python版本的对应关系
- Python 可视化 web 神器:streamlit、Gradio、dash、nicegui;低代码 Python Web 框架:PyWebIO
- 相关性分析——Pearson相关系数+热力图(附data和Python完整代码)
- Anaconda版本和Python版本对应关系(持续更新...)
- Python与PyTorch的版本对应
- Windows上安装 Python 环境并配置环境变量 (超详细教程)
- Python pyinstaller打包exe最完整教程