(六)NumPy数组运算和切片索引

NumPy数组运算

Numpy中数组的运算是对应位置进行运算。

实例：

import numpy as np

a = np.array([1, 2, 3, 4])
b = np.array([2, 4, 6, 8])
print('加法：', a + b)  # 加法： [ 3  6  9 12]
print('减法：', a - b)  # 减法： [-1 -2 -3 -4]
print('乘法：', a * b)  # 乘法： [ 2  8 18 32]
print('除法：', a / b)  # 除法： [0.5 0.5 0.5 0.5]
print('幂运算：', a ** b)  # 幂运算： [    1    16   729 65536]

NumPy 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。

ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])  # [2  4  6]

也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)  # [2  4  6]
print(a[2:])  # [2  3  4  5  6  7  8  9]
print(a[2:5])  # [2  3  4]

多维数组同样适用上述索引提取方法：

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])
'''
[[1 2 3]
 [3 4 5]
 [4 5 6]]
从数组索引 a[1:] 处开始切割
[[3 4 5]
 [4 5 6]]
'''

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print (a[...,1])   # 第2列元素  [2 4 5]
print (a[1,...])   # 第2行元素  [3 4 5]
print (a[...,1:])  # 第2列及剩下的所有元素
'''
[[2 3]
 [4 5]
 [5 6]]
'''