这篇文章将为大家详细讲解有关numpy中Fancy Indexing和array区别是什么？，小编觉得挺实用的，因此分享给大家做个参考，希望大家阅读完这篇文章后可以有所收获。

一：Fancy Indexing

import numpy as np #Fancy Indexingx = np.arange(16)np.random.shuffle(x)print(x) #打印所有的元素 print(x[2])#获取某个元素的值print(x[1:3])#切片print(x[3:9:2])#指定间距切片 index = [2,4,7,9] #索引数组print(x[index])#获取索引数组中的元素的值 ind = np.array([[0,2],[1,4]]) #索引二维数组print(x[ind])##获取索引二维数组中的元素的值 print("---------------------") X = x.reshape(4,-1)print(X) ind1 = np.array([1,3]) #行的索引ind2 = np.array([2,0]) #列的索引print(X[ind1,ind2]) print(X[:-2,ind2]) bool_index = [True,False,True,False] #True就取当前列，False就不取print(X[:-1,bool_index])

Fancy Indexing 应用在一维数组

x = np.arange(16) x[3] # 3x[3:9] # array([3, 4, 5, 6, 7, 8])x[3:9:2] # array([3, 5, 7])[x[3], x[5], x[7]] # [3, 5, 7]ind = [3, 5, 7] x[ind] # array([3, 5, 7])ind = np.array([[0, 2], [1, 3]]) x[ind] """array([[0, 2], [1, 3]])"""

Fancy Indexing 应用在二维数组

X = x.reshape(4, -1) """array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11], [12, 13, 14, 15]])"""row = np.array([0, 1, 2]) col = np.array([1, 2, 3])# 1行2列，2行3列，3行4列X[row, col] # array([ 1, 6, 11])# 前2行 2,3,4列X[:2, col] """array([[1, 2, 3], [5, 6, 7]])"""col = [True, False, True, True] X[0, col] # array([0, 2, 3])

二：array比较

import numpy as np x = np.arange(16)print(x) print(x < 3) #返回的是bool数组 print(x == 3) print(x != 3) print(x * 4 == 24 - 4 * x) print(x + 1) print(x * 2) print(x / 4) print(x - 10) print(np.sum(x<3))#返回小于3的元素个数 print(np.any(x==0)) #只要向量x中有等于0的就返回true print(np.all(x==0)) #只有向量x中全部等于0才返回true print(x[x<5]) #因为x<5返回的是bool数组，我们取true的元素的值 #二维的同样支持print("----------------------")X = x.reshape(4,-1) print(X)print(X<3)print(x == 3)print(np.sum(X<4))print(np.count_nonzero(X<5)) #返回X中小于5的不等于0的个数print(np.any(X==0)) #只要向量x中有等于0的就返回true print(np.all(X==0)) #只有向量x中全部等于0才返回true print(np.sum(X<4,axis=1))#沿着列的方向，计算每行小于4的个数 print(np.sum((X>3)&(X<10))) #计算X中大于3并且小于10的个数 print(np.sum(~(X==0))) #计算X中不等于0的个数 print(X[X[:,3]%3==0,:]) #因为X[:,3]%3==0返回的是一个向量，元素为true，false，false，true，所以最后取第一行和最后一行

关于numpy中Fancy Indexing和array区别是什么？就分享到这里了，希望以上内容可以对大家有一定的帮助，可以学到更多知识。如果觉得文章不错，可以把它分享出去让更多的人看到。