本文研究的主要是numpy使用技巧之数组过滤的相关内容，具体如下。
当使用布尔数组b作为下标存取数组x中的元素时，将收集数组x中所有在数组b中对应下标为True的元素。使用布尔数组作为下标获得的数组不和原始数组共享数据空间，注意这种方式只对应于布尔数组(array)，不能使用布尔列表（list）。
> x = np.arange(5,0,-1) > x array([5, 4, 3, 2, 1]) > x[np.array([True, False, True, False, False])] > # 下标为True的取出来，布尔数组中下标为0，2的元素为True，因此获取x中下标为0,2的元素 array([5, 3]) > x[[True, False, True, False, False]]#Error，这不是我们想要的结果 > # 如果是布尔列表，则把True当作1, False当作0，按照整数序列方式获取x中的元素 array([4, 5, 4, 5, 5]) > x[np.array([True, False, True, True])] > # 布尔数组的长度不够时，不够的部分都当作False array([5, 3, 2]) > x[np.array([True, False, True, True])] = -1, -2, -3#只修改下标为True的元素 > # 布尔数组下标也可以用来修改元素 > x array([-1, 4, -2, -3, 1])
注意：布尔数组一般不是手工产生的，通常我们使用一条布尔表达式来得到，如：
> x = np.random.rand(10) # 产生一个长度为10，元素值为0-1的随机数的数组
> x
array([ 0.72223939, 0.921226 , 0.7770805 , 0.2055047 , 0.17567449,
0.95799412, 0.12015178, 0.7627083 , 0.43260184, 0.91379859])
> x>0.5
> # 数组x中的每个元素和0.5进行大小比较，得到一个布尔数组，True表示x中对应的值大于0.5
array([ True, True, True, False, False, True, False, True, False, True], dtype=bool)
> x[x>0.5]# x>0.5是一个布尔数组
> # 使用x>0.5返回的布尔数组收集x中的元素，因此得到的结果是x中所有大于0.5的元素的数组
array([ 0.72223939, 0.921226 , 0.7770805 , 0.95799412, 0.7627083 ,
0.91379859])
总结
以上就是本文关于numpy使用技巧之数组过滤实例代码的全部内容，希望对大家有所帮助。感兴趣的朋友可以继续参阅本站其他相关专题，如有不足之处，欢迎留言指出。感谢朋友们对本站的支持！