NumPy 分割与搜索数组详解

numpy · 浏览次数 : 2

小编点评

**NumPy 分割数组** ```python import numpy as nparr # 创建一个包含 10 个元素的数组 arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10]) # 按行分割数组 new_arrays = np.array_split(arr, 3, axis=1) # 打印新数组 print(new_arrays) ``` **输出:** ``` [[1, 4, 7], [2, 5, 8], [3, 6, 9]] ``` **说明:** * `np.array_split()` 函数用于将数组分割成多个子数组。 * `indices_or_sections` 参数指定要分割的位置的整数列表或元素数量的列表。 * `axis` 参数指定要分割的轴。默认值为 0,即行分割。 * `np.array_split()` 返回一个包含子数组的列表。

正文

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()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

与NumPy 分割与搜索数组详解相似的内容:

NumPy 分割与搜索数组详解

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。 i

NumPy 泊松分布模拟与 Seaborn 可视化技巧

泊松分布是描述单位时间间隔内随机事件发生次数的离散概率分布,参数λ表示平均速率。公式为 P(k) = e^(-λ) (λ^k) / k!。NumPy 的 `random.poisson()` 可生成泊松分布数据。当 λ 很大时,泊松分布近似正态分布。练习包括模拟顾客到达、比较不同 λ 下的分布及模拟...

NumPy 二项分布生成与 Seaborn 可视化技巧

二项分布是描述固定次数独立试验中成功次数的概率分布,常用于分析二元结果的事件,如抛硬币。分布由参数 n(试验次数)、p(单次成功概率)和 k(成功次数)定义。概率质量函数 P(k) = C(n, k) * p^k * (1 - p)^(n - k)。NumPy 的 `random.binomial(...

NumPy 随机数据分布与 Seaborn 可视化详解

本文介绍了数据分布的概念,它是统计学和数据科学的基础,描述了数据可能出现的频率。NumPy的`random`模块支持生成不同分布的随机数,如`choice`用于离散分布,`randn`和`rand`等用于连续分布。此外,还介绍了数组的随机洗牌和排列。通过Seaborn库,可以创建统计图表,如`dis...

NumPy 数组排序、过滤与随机数生成详解

本文介绍了NumPy中的数组排序和过滤功能。`np.sort()`函数用于对数组进行升序排序,对二维数组则按行排序。示例展示了如何对一维和二维数组排序。此外,还讲解了使用布尔索引来过滤数组,以及直接在条件中操作数组以创建过滤后的数组。最后,介绍了NumPy的随机数生成,包括整数、浮点数及特定分布的随...

NumPy 均匀分布模拟及 Seaborn 可视化教程

本文介绍了均匀分布和逻辑分布。均匀分布是连续概率分布,所有事件在指定范围内有相等概率发生,常用于随机数生成。其概率密度函数为 `f(x) = 1/(b-a)`,其中 a 和 b 分别为下限和上限。NumPy 的 `random.uniform()` 可生成均匀分布的随机数。Seaborn 可用于可视...

【numpy基础】--数组排序

`numpy` 数组通常是用于数值计算的多维数组,而排序功能可以快速、准确地对数据进行排序,从而得到更加清晰、易于分析的结果。 在数据分析和处理过程中,常常需要对数据进行排序,以便更好地理解和发现其中的规律和趋势。 排序会应用在很多场景中,比如: 1. 数据分类:将数据按照一定的特征进行分类,可以通

Python 潮流周刊#56:NumPy 2.0 里更快速的字符串函数(摘要)

本周刊由 Python猫 出品,精心筛选国内外的 250+ 信息源,为你挑选最值得分享的文章、教程、开源项目、软件工具、播客和视频、热门话题等内容。愿景:帮助所有读者精进 Python 技术,并增长职业和副业的收入。 本期周刊分享了 12 篇文章,12 个开源项目,赠书 5 本,全文 2100 字。

Pandas 使用教程 Series、DataFrame

[TOC] Pandas 一个强大的分析结构化数据的工具集,基础是 Numpy(提供高性能的矩阵运算) Pandas 可以从各种文件格式比如 CSV、JSON、SQL、Microsoft Excel 导入数据。 Pandas 可以对各种数据进行运算操作,比如归并、再成形、选择,还有数据清洗和数据加工

NumPy 数组切片及数据类型介绍

NumPy 数组切片 NumPy 数组切片用于从数组中提取子集。它类似于 Python 中的列表切片,但支持多维数组。 一维数组切片 要从一维数组中提取子集,可以使用方括号 [] 并指定切片。切片由起始索引、结束索引和可选步长组成,用冒号 : 分隔。 语法: arr[start:end:step]