Numpy|09高度なインデックス
14982 ワード
NumPyは、一般的なPythonシーケンスよりも多くのインデックス方式を提供します.前に見た整数とスライスのインデックスに加えて、配列は整数配列インデックス、ブールインデックス、およびフラワーインデックスから構成できます.
整数配列インデックス
例1:配列内の(0,0)、(1,1)、および(2,0)の位置の要素を取得する
出力結果:
例2:4 x 3配列の4つの角の要素を取得した.行インデックスは[0,0]および[3,3]で、列インデックスは[0,2]および[0,2]です.*****
出力結果:
返される結果は、各コーナー要素を含むndarrayオブジェクトです.
例3:スライスを使用する:または...インデックス配列と組み合わせる
出力結果:
[[1 2 3] [4 5 6] [7 8 9]]
[[5 6] [8 9]]
[[5 6] [8 9]]
[[2 3] [5 6] [8 9]]
ブール索引
ターゲット配列をブール配列でインデックスできます.
ブールインデックスは、ブール演算(比較演算子など)によって、指定した条件を満たす要素の配列を取得します.
例1:5より大きい要素を取得
出力結果:
例2:〜(補完演算子)を使用してNaNをフィルタ
出力結果:
例3:配列から非複素要素をフィルタリングする方法.
出力は次のとおりです.
出力は次のとおりです.
花インデックス
フラワーインデックスとは、整数配列を使用してインデックスを指します.
フラワーインデックスは、インデックス配列の値をターゲット配列の軸の下付きとして値を取ります.ターゲットが1次元配列である場合、インデックスの結果は対応する位置の要素である. ターゲットが2次元配列である場合、下付きの行に対応します.
フラワーインデックスはスライスとは異なり、常に新しい配列にデータをコピーします.
1.入力順序インデックス配列
出力結果:
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31]]
[[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]
2、入力逆インデックス配列
出力結果:
3、複数のインデックス配列を入力する(np.ix_を使用する)【先取行、再調列と理解できる】
出力結果:
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31]]
[[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
整数配列インデックス
例1:配列内の(0,0)、(1,1)、および(2,0)の位置の要素を取得する
import numpy as np
x = np.array([[1, 2], [3, 4], [5, 6]])
y = x[[0, 1, 2], [0, 1, 0]]
print(y)
出力結果:
[1 4 5]
例2:4 x 3配列の4つの角の要素を取得した.行インデックスは[0,0]および[3,3]で、列インデックスは[0,2]および[0,2]です.*****
import numpy as np
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print(' :')
print(x)
print('
')
rows = np.array([[0, 0], [3, 3]])
cols = np.array([[0, 2], [0, 2]])
y = x[rows, cols]
print(' :')
print(y)
出力結果:
:
[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] : [[ 0 2] [ 9 11]]
返される結果は、各コーナー要素を含むndarrayオブジェクトです.
例3:スライスを使用する:または...インデックス配列と組み合わせる
import numpy as np
a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
b = a[1:3, 1:3]
c = a[1:3, [1, 2]]
d = a[..., 1:]
print(a)
print('
')
print(b)
print('
')
print(c)
print('
')
print(d)
print('
')
出力結果:
[[1 2 3] [4 5 6] [7 8 9]]
[[5 6] [8 9]]
[[5 6] [8 9]]
[[2 3] [5 6] [8 9]]
ブール索引
ターゲット配列をブール配列でインデックスできます.
ブールインデックスは、ブール演算(比較演算子など)によって、指定した条件を満たす要素の配列を取得します.
例1:5より大きい要素を取得
import numpy as np
x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
print(' :')
print(x)
print('
')
print(' 5 :')
print(x[x > 5])
出力結果:
:
[[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] 5 : [ 6 7 8 9 10 11]
例2:〜(補完演算子)を使用してNaNをフィルタ
import numpy as np
a = np.array([np.nan, 1,2,np.nan,3,4,5])
print (a[~np.isnan(a)])
出力結果:
[ 1. 2. 3. 4. 5.]
例3:配列から非複素要素をフィルタリングする方法.
import numpy as np
a = np.array([1, 2+6j, 5, 3.5+5j])
print (a[np.iscomplex(a)])
出力は次のとおりです.
[2.0+6.j 3.5+5.j]
import numpy as np
a = np.array([1, 2 + 6j, 5, 3.5 + 5j])
print(a[~np.iscomplex(a)])
出力は次のとおりです.
[1.+0.j 5.+0.j]
花インデックス
フラワーインデックスとは、整数配列を使用してインデックスを指します.
フラワーインデックスは、インデックス配列の値をターゲット配列の軸の下付きとして値を取ります.
フラワーインデックスはスライスとは異なり、常に新しい配列にデータをコピーします.
1.入力順序インデックス配列
import numpy as np
x = np.arange(32).reshape((8, 4))
print(x)
print('
')
print(x[[4, 2, 1, 7]])
出力結果:
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31]]
[[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]]
2、入力逆インデックス配列
import numpy as np
x=np.arange(32).reshape((8,4))
print (x[[-4,-2,-1,-7]])
出力結果:
[[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]]
3、複数のインデックス配列を入力する(np.ix_を使用する)【先取行、再調列と理解できる】
import numpy as np
x = np.arange(32).reshape((8, 4))
print(x)
print('
')
print(x[np.ix_([1, 5, 7, 2], [0, 3, 1, 2])])
出力結果:
[[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11] [12 13 14 15] [16 17 18 19] [20 21 22 23] [24 25 26 27] [28 29 30 31]]
[[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]