Python NumPy数组裁切和数据类型的实现即原理详解
作者:魔王不会哭
裁切数组
python 中裁切的意思是将元素从一个给定的索引带到另一个给定的索引。
我们像这样传递切片而不是索引:[start:end]。
我们还可以定义步长,如下所示:[start:end:step]。
如果我们不传递 start,则将其视为 0。
如果我们不传递 end,则视为该维度内数组的长度。
如果我们不传递 step,则视为 1。
实例
从下面的数组中裁切索引 1 到索引 5 的元素:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[1:5])
运行实例
注释:结果包括了开始索引,但不包括结束索引。
实例
裁切数组中索引 4 到结尾的元素:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[4:])
运行实例
实例
裁切从开头到索引 4(不包括)的元素:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[:4])
运行实例
负裁切
使用减号运算符从末尾开始引用索引:
实例
从末尾开始的索引 3 到末尾开始的索引 1,对数组进行裁切:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[-3:-1])
运行实例
STEP
请使用 step 值确定裁切的步长:
实例
从索引 1 到索引 5,返回相隔的元素:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[1:5:2])
运行实例
实例
返回数组中相隔的元素:
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[::2])
运行实例
裁切2-D数组
实例
从第二个元素开始,对从索引 1 到索引 4(不包括)的元素进行切片:
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[1, 1:4])
运行实例
注释:请记得第二个元素的索引为 1。
实例
从两个元素中返回索引 2:
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[0:2, 2])
运行实例
实例
从两个元素裁切索引 1 到索引 4(不包括),这将返回一个 2-D 数组:
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[0:2, 1:4])
运行实例
Python中的数据类型
默认情况下,Python 拥有以下数据类型:
strings
- 用于表示文本数据,文本用引号引起来。例如 “ABCD”。integer
- 用于表示整数。例如 -1, -2, -3。float
- 用于表示实数。例如 1.2, 42.42。boolean
- 用于表示 True 或 False。complex
- 用于表示复平面中的数字。例如 1.0 + 2.0j,1.5 + 2.5j。
NumPy中的数据类型
NumPy
有一些额外的数据类型,并通过一个字符引用数据类型,
例如 i 代表整数,u 代表无符号整数等。
以下是 NumPy 中所有数据类型的列表以及用于表示它们的字符。
- i - 整数
- b - 布尔
- u - 无符号整数
- f - 浮点
- c - 复合浮点数
- m - timedelta
- M - datetime
- O - 对象
- S - 字符串
- U - unicode 字符串
- V - 固定的其他类型的内存块 ( void )
检查数组的数据类型
NumPy 数组对象有一个名为 dtype 的属性,该属性返回数组的数据类型:
实例
获取数组对象的数据类型:
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr.dtype)
运行实例
实例
获取包含字符串的数组的数据类型:
import numpy as np arr = np.array(['apple', 'banana', 'cherry']) print(arr.dtype)
运行实例
用已定义的数据类型创建数组
我们使用 array() 函数来创建数组,
该函数可以使用可选参数:dtype,
它允许我们定义数组元素的预期数据类型:
实例
用数据类型字符串创建数组:
import numpy as np arr = np.array([1, 2, 3, 4], dtype='S') print(arr) print(arr.dtype)
运行实例
对于 i、u、f、S 和 U,我们也可以定义大小。
实例
创建数据类型为 4 字节整数的数组:
import numpy as np arr = np.array([1, 2, 3, 4], dtype='i4') print(arr) print(arr.dtype)
运行实例
假如值无法转换会怎样
如果给出了不能强制转换元素的类型,则 NumPy 将引发 ValueError。
ValueError:
在 Python 中,如果传递给函数的参数的类型是非预期或错误的,则会引发 ValueError。
实例
无法将非整数字符串(比如 ‘a’)转换为整数(将引发错误):
import numpy as np arr = np.array(['a', '2', '3'], dtype='i')
运行实例
转换已有数组的数据类型
更改现有数组的数据类型的最佳方法,是使用 astype() 方法复制该数组。
astype() 函数创建数组的副本,并允许您将数据类型指定为参数。
数据类型可以使用字符串指定,例如 ‘f’ 表示浮点数,‘i’ 表示整数等。
或者您也可以直接使用数据类型,例如 float 表示浮点数,int 表示整数。
实例
通过使用 ‘i’ 作为参数值,将数据类型从浮点数更改为整数:
import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype('i') print(newarr) print(newarr.dtype)
运行实例
实例
通过使用 int 作为参数值,将数据类型从浮点数更改为整数:
import numpy as np arr = np.array([1.1, 2.1, 3.1]) newarr = arr.astype(int) print(newarr) print(newarr.dtype)
运行实例
实例
将数据类型从整数更改为布尔值:
import numpy as np arr = np.array([1, 0, 3]) newarr = arr.astype(bool) print(newarr) print(newarr.dtype)
运行实例
到此这篇关于Python NumPy数组裁切和数据类型的实现即原理详解的文章就介绍到这了,更多相关Python NumPy数组裁切和数据类型内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!