Numpy布爾索引如何實(shí)現(xiàn)

本篇內(nèi)容介紹了“Numpy布爾索引如何實(shí)現(xiàn)”的有關(guān)知識(shí)，在實(shí)際案例的操作過(guò)程中，不少人都會(huì)遇到這樣的困境，接下來(lái)就讓小編帶領(lǐng)大家學(xué)習(xí)一下如何處理這些情況吧！希望大家仔細(xì)閱讀，能夠?qū)W有所成！

布爾數(shù)據(jù)：只有兩種值，即真（True）或假（False），如果我們將某些變量說(shuō)明為布爾型，那么這些變量即為布爾變量只能存儲(chǔ)布爾值（True，F(xiàn)alse）

定義大數(shù)據(jù)2003班‘學(xué)生’及‘考試成績(jī)’，并且打印其結(jié)果

import numpy as np
 
names = np.array(['Bob','lilin','jonse','Andy'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
print(names,'\n',score)

每個(gè)人名和其數(shù)組之間是相互對(duì)應(yīng)關(guān)系，我們通過(guò)學(xué)生名稱來(lái)索引學(xué)生成績(jī)

names = np.array(['Bob','lilin','jonse','Andy'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
lilin_score = score[names == 'lilin']
print(lilin_score)

注意，此做法隱藏著一個(gè)前提：定義的布爾值數(shù)組的長(zhǎng)度必須和 數(shù)組軸索引長(zhǎng)度（行數(shù)）一致，否則報(bào)錯(cuò)

例如：大數(shù)據(jù)3班 KungFu_Dragon 同學(xué)沒(méi)有成績(jī)，也就是說(shuō)，大數(shù)據(jù)3班有6個(gè)人，只有5個(gè)人有成績(jī)，成員和成績(jī)之間不匹配。

names = np.array(['Bob','lilin','jonse','Andy','KungFu_Dragon'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
lilin_score = score[names == 'KungFu_Dragon']
print(lilin_score)

IndexError: boolean index did not match indexed array along dimension 0; dimension is 4 but corresponding boolean dimension is 5

除去上述操作之外，我們還可以通過(guò)布爾索引 和 切片 或 整數(shù)值 的 序列混合使用 和 匹配

布爾索引和切片操作混合使用

Andy_scores = score[names == 'Andy']
Andy_score = score[names == 'Andy',1:3]

布爾索引和整數(shù)序列操作混合使用

Andy_scores = score[names == 'Andy']
Andy_score = score[names == 'Andy',2]

我之前已經(jīng)提到過(guò)，在Python基礎(chǔ)中索引和切片的關(guān)系，

通過(guò)元素?cái)?shù)量來(lái)看：索引：取一個(gè)值，切片：可以取多個(gè)值

元素類型而言：索引獲得的是字符串，切片獲得的是列表，有的時(shí)候索引和切片獲得都是同一個(gè)元素，但是他們的數(shù)據(jù)類型是不同的。

與基本的數(shù)學(xué)比較類似，數(shù)組中也有類似的比較操作，但是在的比較操作中，會(huì)產(chǎn)生True 和 False 的布爾值

下面我對(duì)兩個(gè)數(shù)組之間進(jìn)行了比較

import numpy as np
arr = np.random.randn(4,3)
arr2 = np.random.rand(4,3)
print(arr)
print('----------------')
print(arr2)
arr == arr2

說(shuō)簡(jiǎn)單了，其實(shí)就是每一個(gè)對(duì)應(yīng)位置的元素之間進(jìn)行比較 如果相同給出 True 如果不同，給出False

例如： arr 數(shù)組中 “-0.42689989”的下標(biāo)為（0,0）arr2數(shù)組中“0.77641881”的下標(biāo)為（0,0）,我認(rèn)為它們之間，會(huì)通過(guò)這樣一個(gè)比較方法，arr 和arr2 都是二維數(shù)組，而且它們數(shù)組長(zhǎng)度都是一致的，但是他們不是這樣進(jìn)行比較的，arr 第一個(gè)元素和 arr2 第一個(gè)元素進(jìn)行比較，arr2第二個(gè)元素，和 arr2 第二個(gè)元素比較。它的比較方式是，假如 arr數(shù)組中第一個(gè)元素為 2，如果要將 arr 和 arr2 進(jìn)行比較，它會(huì)在arr2中尋找一個(gè)元素值為2 的數(shù)字，如果存在給出Ture 否則為False

在numpy中我們來(lái)看看一下他們是什么數(shù)據(jù)類型 ，通過(guò)type（變量名）來(lái)查看數(shù)據(jù)類型

由此可見(jiàn)，在numpy中，切片和 整數(shù)序列索引的數(shù)據(jù)類型是一致的，都是多維數(shù)組（ndarray）

在上述的基礎(chǔ)上，我們還可以在條件表達(dá)式前使用 ‘~’，做取反操作，比如：

我通過(guò)python打印了除去 大數(shù)據(jù)3班學(xué)生，‘Andy’以外的所有成員成績(jī)。

除去給了上述取反操作 “~”外還有一種 方法，‘’！=‘’

arr = np.array([[1,4,7],[2,5,8],[3,5,9]])
# arr2 = np.array[1,2,3]       builtin_function_or_method'對(duì)象不可下標(biāo)
arr2 = np.array([1,5,3])
print(arr)
print(arr2)
print('----------------')
a = arr != arr2
print(a)

我疑惑的是為什么他們給出了布爾值請(qǐng)仔細(xì)觀察我用相同顏色框起來(lái)的值。

本來(lái)相同應(yīng)該是 Ture ，不同應(yīng)該用 False ，但因我用了取反操作，所以相同的成為了False 不同的用了ture。

“Numpy布爾索引如何實(shí)現(xiàn)”的內(nèi)容就介紹到這里了，感謝大家的閱讀。如果想了解更多行業(yè)相關(guān)的知識(shí)可以關(guān)注億速云網(wǎng)站，小編將為大家輸出更多高質(zhì)量的實(shí)用文章！