先建立乙個names一維陣列,再用numpy.random中的randn函式生成乙個7*4陣列:
>>names=np.array([「bob」,」joe」,」will」,」bob」,」will」,」joe」,」joe」])
>>data=np.random.randn(7,4)
1.對names和字串「bob」的比較運算將會產生乙個布林型陣列:
>>> names==」bob」
array([ true, false, false, true, false, false, false], dtype=bool)
2.將這個布林型陣列用於陣列索引:
>>> data[names==」bob」]
array([[ 0.10298484, -0.25113445, -0.78464202, -0.54631363],
[ 0.28620158, 0.1481723 , -1.27040048, 0.29133364]])
3.將布林型陣列跟切片混合使用:
>>> data[names==」bob」,2:]
array([[-0.78464202, -0.54631363],
[-1.27040048, 0.29133364]])
4.也可用不等號(!=),負號對條件進行操作:
>>> names!=」bob」
array([false, true, true, false, true, true, true], dtype=bool)
>>> data[-(names==」bob」)]
array([[-0.46722746, -0.4769322 , 0.94609687, 0.51213101],
[-1.34277909, 0.76173316, -0.8811425 , -0.88740766],
[-0.17423198, 0.46599401, 0.21391178, 0.09850381],
[-0.37063907, -0.88720874, 0.85973078, 1.22438856],
[ 0.67792587, 0.259653 , 1.11855236, 1.50720749]])
5.多種條件組合(&,|等)
>>> data[(names==」bob」)|(names==」will」)]
array([[ 0.10298484, -0.25113445, -0.78464202, -0.54631363],
[-1.34277909, 0.76173316, -0.8811425 , -0.88740766],
[ 0.28620158, 0.1481723 , -1.27040048, 0.29133364],
[-0.17423198, 0.46599401, 0.21391178, 0.09850381]])
6.為了將data中的所有負值都設定為0,只需:
>>> data[data<0]=0
>>> data
array([[ 0.10298484, 0. , 0. , 0. ],
[ 0. , 0. , 0.94609687, 0.51213101],
[ 0. , 0.76173316, 0. , 0. ],
[ 0.28620158, 0.1481723 , 0. , 0.29133364],
[ 0. , 0.46599401, 0.21391178, 0.09850381],
[ 0. , 0. , 0.85973078, 1.22438856],
[ 0.67792587, 0.259653 , 1.11855236, 1.50720749]])
numpy中的布林型索引
內容來自 利用python進行資料分析 先建立乙個names一維陣列,再用numpy.random中的randn函式生成乙個7 4陣列 names np.array bob joe will bob will joe joe data np.random.randn 7,4 1.對names和字串 ...
Python筆記 NumPy中的布林型索引使用舉例
import numpy as np 建立乙個 3 x 3 的 ndarray 包含從 0 到 8 的整數 x np.arange 9 reshape 3,3 print 初始的 x n x 選擇在x中大於5的元素 print 選擇在x中大於5的元素 x x 5 選擇在x中 小於等於3 的元素 pr...
Numpy布林陣列索引
布林陣列索引 布林陣列索引允許選擇陣列的任意元素。通常,這種型別的索引用於選擇滿足某些條件的陣列元素。下面是乙個例子 import numpy as np a np.array 1,2 3,4 5,6 找出a中大於2的元素 這將返回乙個與a相同形狀的布林值的numpy陣列,其中的bool idx的每...