在海量的数据中，你如何挑选出符合你要求的数据呢？Numpy 这时候就来拯救你了。不管是批量划分，还是按条件筛选，都能做到。

单个选取

  1. import numpy as np
  3. a = np.array([1, 2, 3])
  4. print("a[0]:", a[0])          #选择单个
  5. print("a[1]:", a[1])
  6. a[0]: 1
  7. a[1]: 2
  10. print("a[[0,1]]:\n", a[[0,1]])   #一次性选择多个
  11. print("a[[1,1,0]]:\n", a[[1,1,0]])
  13. a[[0,1]]:
  14.  [1 2]
  15. a[[1,1,0]]:
  16.  [2 2 1]
  19. ######## 2 维 ######
  20. b = np.array([
  21. [1,2,3,4],
  22. [5,6,7,8],
  23. [9,10,11,12]
  24. ])
  26. # 选第 2 行所有数
  27. print("b[1]:", b[1])  
  28. b[1]:  [5 6 7 8]
  30. # 选第 2 行，第 1 列的数
  31. print("b[1,0]:", b[1,0])   
  32. b[1,0]:  5
  34. # 这个看着有点纠结，如果对应到数据，
  35. # 第一个拿的是数据位是 [1,2]
  36. # 第二个拿的是 [0,3]
  37. print("b[[1,0],[2,3]]:", b[[1,0],[2,3]])
  38. b[[1,0],[2,3]]:  [7 4]

我们可以在其不同维度上挑选那个维度上对应序号上的数值。而且还能一次从原数据上选取多个数据点。

切片划分

上面已经介绍到了一个个拎出来数据的方式，基本上可以总结成，索引到具体的数上，就能拎出这个数具体的值。而有时候你会不会觉得特别麻烦， 如果我要在 100 个数中，从第一个一直找到第 50 个。我要写成这样 a[1,2,3,4….50]，这样太累赘了。Numpy 也考虑得非常周全，它有一个更取巧的方式。

  1. a = np.array([1, 2, 3, 4])
  3. print("a[0:2]：", a[0:2])  # 从1到2
  4. a[0:2]： [1 2]
  6. print("a[1:]：", a[1:]) # 从2到最后
  7. a[1:]： [2 3 4]
  9. print("a[-2:]：", a[-2:]) # 从倒数第2 到 最后
  10. a[-2:]： [3 4]
  13. ### 在多维上，也可以进行切片划分。
  15. b = np.array([
  16. [1,2,3,4],
  17. [5,6,7,8],
  18. [9,10,11,12]
  19. ])
  21. print("b[:2]:", b[:2]) #第一个维度  前2
  22. b[:2]: [[1 2 3 4]  [5 6 7 8]]
  24. print("b[:2, :3]:", b[:2, :3]) #第一个维度  前2， 第二个维度 前3
  25. b[:2, :3]: [[1 2 3] [5 6 7]]
  27. print("b[1:3, -2:]:", b[1:3, -2:])
  28. b[1:3, -2:]: [[ 7  8] [11 12]] #第一个维度  2，3， 第二个维度 后2

  • 条件筛选

    选择那些在数值上符合条件的数据 ```python a = np.array([ [1,2,3,4], [5,6,7,8], [9,10,11,12] ])

print(a[a>7]) # 元素值为条件

[ 8 9 10 11 12]

condition = a > 7 # a>7 是逻辑array print(condition) [[False False False False] [False False False True] [ True True True True]]

print(a[condition]) [ 8 9 10 11 12]

where### 专用数据筛选函数 ,还能做筛选结果的替换工作

condition = a > 7 print(np.where(condition, -1, a))#满足条件的，都改成 -1，不满足的，都还是 a 里面的数字 [[ 1 2 3 4] [ 5 6 7 -1] [-1 -1 -1 -1]] ```