Python科学计算库Numpy数组的初始化和基本操作(4)

当前位置:

首页 > Python基础教程 >

Python科学计算库Numpy数组的初始化和基本操作(4)

四.寻址，索引和遍历：

一维数组的遍历语法和Python list类似：

						>>> a = np.arange(10)**3

						>>> a

						array([  0,   1,   8,  27,  64, 125, 216, 343, 512, 729])

						>>> a[2]

						8

						>>> a[2:5]

						array([ 8, 27, 64])

						>>> a[:6:2] = -1000    # equivalent to a[0:6:2] = -1000; from start to position 6, exclusive, set every 2nd element to -1000

						>>> a

						array([-1000,     1, -1000,    27, -1000,   125,   216,   343,   512,   729])

						>>> a[ : :-1]                                 # reversed a

						array([  729,   512,   343,   216,   125, -1000,    27, -1000,     1, -1000])

						>>> for i in a:

						...     print(i**(1/3.))

						...

						nan

						1.0

						nan

						3.0

						nan

						5.0

						6.0

						7.0

						8.0

						9.0

多维数组的访问通过给每一维指定一个索引，顺序是先高维再低维：

						>>> def f(x,y):

						...     return 10*x+y

						...

						>>> b = np.fromfunction(f,(5,4),dtype=int)

						>>> b

						array([[ 0,  1,  2,  3],

						       [10, 11, 12, 13],

						       [20, 21, 22, 23],

						       [30, 31, 32, 33],

						       [40, 41, 42, 43]])

						>>> b[2,3]

						23

						>>> b[0:5, 1]                       # each row in the second column of b

						array([ 1, 11, 21, 31, 41])

						>>> b[ : ,1]                        # equivalent to the previous example

						array([ 1, 11, 21, 31, 41])

						>>> b[1:3, : ]                      # each column in the second and third row of b

						array([[10, 11, 12, 13],

						       [20, 21, 22, 23]])

						When fewer indices are provided than the number of axes, the missing indices are considered complete slices:

						>>>

						>>> b[-1]                                  # the last row. Equivalent to b[-1,:]

						array([40, 41, 42, 43])

栏目列表