Apakah kaedah operasi penghirisan numpy?

Kaedah operasi penghirisan numpy: 1. Penghirisan tatasusunan satu dimensi, anda boleh menggunakan kaedah yang serupa dengan penghirisan senarai dalam Python untuk melaksanakan operasi penghirisan; 2. Penghirisan tatasusunan dua dimensi, anda boleh menggunakan dua nilai indeks lakukan operasi penghirisan, pertama Nilai indeks pertama mewakili baris, dan nilai indeks kedua mewakili lajur 3. Penghirisan tatasusunan berbilang dimensi, anda boleh menggunakan nilai indeks berbilang untuk melaksanakan operasi penghirisan, setiap nilai indeks sepadan dengan; dimensi; 4. Indeks Boolean, yang dilakukan melalui kaedah Penapisan nilai Boolean 5. Penghirisan indeks bersyarat ialah kaedah penapisan melalui ungkapan bersyarat, dsb.

Sistem pengendalian tutorial ini: sistem Windows 10, Python versi 3.11.4, komputer Dell G3.

Numpy ialah perpustakaan pengiraan berangka sumber terbuka yang menyediakan fungsi operasi tatasusunan yang kaya. Antaranya, operasi menghiris adalah salah satu fungsi yang biasa digunakan dalam numpy. Operasi penghirisan boleh mendapatkan subset tatasusunan melalui pengindeksan, dan boleh melakukan operasi seperti menghiris, memotong dadu dan memotong baris pada tatasusunan. Artikel ini akan memperkenalkan secara terperinci kaedah operasi menghiris numpy.

Dalam numpy, operasi penghirisan boleh digunakan untuk tatasusunan satu dimensi, tatasusunan dua dimensi dan tatasusunan berbilang dimensi. Kaedah operasi menghiris dalam tiga kes ini diperkenalkan di bawah.

Operasi menghiris tatasusunan satu dimensi:

Untuk tatasusunan satu dimensi, anda boleh melakukan operasi menghiris dengan cara yang serupa dengan menghiris senarai dalam Python.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中的前三个元素
b = a[:3]
print(b)  # 输出: [0 1 2]
# 获取数组中的第三个到第六个元素
c = a[2:6]
print(c)  # 输出: [2 3 4 5]
# 获取数组中的倒数三个元素
d = a[-3:]
print(d)  # 输出: [7 8 9]

Operasi menghiris tatasusunan dua dimensi:

Untuk tatasusunan dua dimensi, anda boleh menggunakan dua nilai indeks ​​​​untuk melaksanakan operasi penghirisan, nilai indeks pertama mewakili baris dan nilai indeks kedua mewakili lajur.

import numpy as np
a = np.array([[0, 1, 2, 3],
              [4, 5, 6, 7],
              [8, 9, 10, 11]])
# 获取数组的第一行
b = a[0, :]
print(b)  # 输出: [0 1 2 3]
# 获取数组的第二列
c = a[:, 1]
print(c)  # 输出: [1 5 9]
# 获取数组的前两行和前三列
d = a[:2, :3]
print(d)  # 输出: [[0 1 2]
          #        [4 5 6]]

Operasi menghiris tatasusunan berbilang dimensi:

Untuk tatasusunan berbilang dimensi, nilai indeks berbilang boleh digunakan untuk melaksanakan operasi penghirisan, setiap nilai indeks sepadan dengan satu dimensi.

import numpy as np
a = np.array([[[0, 1, 2],
               [3, 4, 5],
               [6, 7, 8]],
              [[9, 10, 11],
               [12, 13, 14],
               [15, 16, 17]]])
# 获取数组的第一个元素
b = a[0, :, :]
print(b)  # 输出: [[0 1 2]
          #        [3 4 5]
          #        [6 7 8]]
# 获取数组的第二个元素的第一行和第二行
c = a[1, :2, :]
print(c)  # 输出: [[ 9 10 11]
          #        [12 13 14]]

Selain menggunakan indeks integer untuk operasi penghirisan, anda juga boleh menggunakan indeks Boolean dan indeks bersyarat untuk operasi penghirisan.

Operasi penghirisan indeks Boolean:

Indeks Boolean ialah cara untuk menapis mengikut nilai Boolean, yang boleh digunakan untuk mendapatkan elemen dalam tatasusunan yang memenuhi syarat tertentu.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中大于5的元素
b = a[a > 5]
print(b)  # 输出: [6 7 8 9]

Operasi penghirisan indeks bersyarat:

Indeks bersyarat ialah cara untuk menapis melalui ungkapan bersyarat, yang boleh digunakan untuk mendapatkan elemen dalam tatasusunan yang memenuhi syarat tertentu.

import numpy as np
a = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
# 获取数组中大于5的元素的索引值
b = np.where(a > 5)
print(b)  # 输出: (array([6, 7, 8, 9]),)

Operasi menghiris Numpy menyediakan cara yang fleksibel dan cekap untuk mendapatkan subset tatasusunan. Sama ada tatasusunan satu dimensi, tatasusunan dua dimensi atau tatasusunan berbilang dimensi, anda boleh menggunakan operasi penghirisan untuk mengekstrak dan menapis data. Operasi penghirisan bukan sahaja menyokong indeks integer, tetapi juga indeks Boolean dan indeks bersyarat, yang boleh memenuhi pelbagai keperluan. Dengan menggunakan operasi penghirisan numpy secara rasional, kecekapan dan fleksibiliti pemprosesan data boleh dipertingkatkan.

Atas ialah kandungan terperinci Apakah kaedah operasi penghirisan numpy?. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!