一文详解NumPy分割与搜索数组

2024-05-17 08:24:59 作者：小万哥丶

NumPy 提供了 np.array_split() 函数来分割数组,将一个数组拆分成多个较小的子数组和提供了多种方法来搜索数组中的元素,并返回匹配项的索引,本文将给大家详细介绍NumPy分割与搜索数组,需要的朋友可以参考下

NumPy 分割数组

NumPy 提供了 np.array_split() 函数来分割数组，将一个数组拆分成多个较小的子数组。

基本用法

语法：

np.array_split(array, indices_or_sections, axis=None)

array：要分割的 NumPy 数组。 indices_or_sections：指定分割位置的整数列表或要包含每个子数组的元素数量的列表。 axis：可选参数，指定要分割的轴。默认为 0（即行分割）。

示例：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])

# 将数组分割成 3 个子数组
new_arrays = np.array_split(arr, 3)
print(new_arrays)  # 输出：
                        # [array([1, 2]), array([3, 4]), array([5, 6])]

# 指定分割位置
new_arrays = np.array_split(arr, [2, 5])
print(new_arrays)  # 输出：
                        # [array([1, 2]), array([3, 4]), array([5, 6])]

# 沿列分割
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
new_arrays = np.array_split(arr, 3, axis=1)
print(new_arrays)  # 输出：
                        # [array([[1, 4, 7]]), array([[2, 5, 8]]), array([[3, 6, 9]])]

注意事项

如果 indices_or_sections 指定的分割位置超出数组范围，则会引发异常。如果数组元素数量不足以满足分割要求，则会从末尾进行调整。 np.array_split() 返回一个包含子数组的列表。

高级用法

除了基本用法之外，np.array_split() 还可以用于更复杂的分割操作：

使用掩码进行分割：您可以使用掩码数组来指示哪些元素应该包含在每个子数组中。不均匀分割：您可以指定每个子数组包含的元素数量，即使数量不均等。沿着任意轴分割：您可以使用 axis 参数指定要分割的轴。

例如，以下代码使用掩码将数组分割成两个子数组，第一个子数组包含所有偶数元素，第二个子数组包含所有奇数元素：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6])
mask = arr % 2 == 0
new_arrays = np.array_split(arr, mask)
print(new_arrays)  # 输出：
                        # [array([2, 4, 6]), array([1, 3, 5])]

练习

使用 np.array_split() 将以下数组 arr 沿行分割成 4 个子数组，每个子数组包含相等数量的元素。

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

在评论中分享您的代码和输出。

NumPy 搜索数组

NumPy 提供了多种方法来搜索数组中的元素，并返回匹配项的索引。

基本用法：`np.where()`

语法：

np.where(condition)

condition：用于确定要查找的元素的布尔条件。

功能：

np.where() 逐个元素比较条件，并返回满足条件的元素的索引。它返回一个元组，其中包含一个或多个数组，每个数组表示满足条件的元素的索引。

示例：

import numpy as np

arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])

# 查找值为 4 的索引
indices = np.where(arr == 4)
print(indices)  # 输出： (array([3, 5, 6]),)

# 查找大于 5 的元素的索引
indices = np.where(arr > 5)
print(indices)  # 输出： (array([6, 7, 8]),)

搜索排序数组：np.searchsorted()

语法：

np.searchsorted(array, value, side='left')

array：已排序的 NumPy 数组。 value：要搜索的值。 side：可选参数，指定搜索方向。默认为 'left'（从左到右）。

功能：

np.searchsorted() 在排序数组中执行二进制搜索，并返回指定值应插入的位置以保持排序顺序。它假定输入数组已排序。

示例：

import numpy as np

arr = np.array([1, 3, 5, 7, 9])

# 查找值 7 应插入的索引
index = np.searchsorted(arr, 7)
print(index)  # 输出： 3

# 从右侧查找值 2 应插入的索引
index = np.searchsorted(arr, 2, side='right')
print(index)  # 输出： 1

练习

使用 np.where() 或 np.searchsorted() 正确找到以下数组 arr 中所有等于 3 的元素的索引。

import numpy as np

arr = np.array([1, 2, 3, 4, 3, 3, 6, 7, 8])