python numpy 数组元素周围_Python numpy数组元素属性及访问

文章目录

数组对象建立后，我们经常需要查看对象的一些属性特征以及访问或更改元素赋值。

首先我们建立一个数组：

import numpy as np

data1 = np.array([[1,2,3],[4,5,6],[7,8,9]])

data1

Out[4]:

array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9]])

查看属性：数组的属性主要有5种：

1.查看轴数： ndarray.ndim

在NumPy中维度(dimensions)叫做轴(axes)，轴的个数叫做秩(rank)。

一个3×3的数组，从左到右的数字对应表示由表及里的维度，也就是轴，按照索引给轴编号依次为“轴0“，“轴1”。它的秩为2。

类似的，一个3×3×2的数组，按照索引给轴编号依次为“轴0”，“轴1”，“轴2“。它的秩为3。

data1.ndim

Out[7]: 2

data1是一个二维数组，秩为2

2.查看数组大小：ndarray.shape

data1.shape

Out[6]: (3, 3)

data1是一个3行3列的数组

3.查看数组元素个数：ndarray.size

data1.size

Out[8]: 9

4.查看数组中元素类型：ndarray.dtype

data1.dtype

Out[9]: dtype('int32')

5.查看数组中元素的字节大小：ndarray.itemsize

data1.itemsize

Out[11]: 4

一个元素类型为int32的数组itemsiz属性值为8(=32/8)

访问并更改数组元素：索引和切片

基本索引和切片：根据轴的编号确定索引位置。注意Python从0开始。

(1)访问元素

data1[2] #查看第三行

Out[12]: array([7, 8, 9])

data1[:,2] #查看第三列，冒号表示选取整个轴，请data1[:]

Out[14]: array([3, 6, 9])

data1[2,:2] #查看第三行一二列

Out[26]: array([7, 8])

data1[2,2] #查看第三行第三列

Out[16]: 9

(2)更改元素值：可以将标量和数组赋给数组

arr1 = np.array((11,12,13)) #建立一维数组

arr1

Out[19]: array([11, 12, 13])

data1[2]=1 #标量赋值，将第3行元素都变为1

data1

Out[21]:

array([[1, 2, 3],

[4, 5, 6],

[1, 1, 1]])

data1[2]=arr1#数组赋值

data1

Out[23]:

array([[ 1, 2, 3],

[ 4, 5, 6],

[11, 12, 13]])

2.布尔型索引：利用布尔数组访问并赋值，不能使用布尔列表。

data2 = np.arange(1,6,1)

data2

Out[30]: array([1, 2, 3, 4, 5])

boo = np.array((True,False,True,False,False))

data2[boo]

Out[34]: array([1, 3])

data2[np.array([True,False])]#布尔数组不够时，不够部分都为Fasle

Out[36]: array([1])

data2[[True,False,True]]#如果采用布尔列表，则True为1,False为0,采用整数序列方式获取元素

Out[37]: array([2, 1, 2])

3.花式索引：利用整数数组或列表进行索引。

data3 = np.array((0,1,2,1))#整数数组

data1[data3]#整数数组索引

Out[46]:

array([[1, 2, 3],

[4, 5, 6],

[7, 8, 9],

[4, 5, 6]])

data1[[1,2,0]] #整数列表索引

Out[48]:

array([[4, 5, 6],

[7, 8, 9],

[1, 2, 3]])

data1[[1,2,0],[0,1,2]]#查看(1,0)，(2,1)，(0,2)位置上的数。

Out[49]: array([4, 8, 3])

以上就是基本的数组属性及访问赋值方法了。

参考文献

【3】Python for Data Analysis(利用Python进行数据分析 )