python numpy查询定位赋值数值所在行列

 更新时间:2022年09月23日 14:39:28   作者:_养乐多_  
这篇文章主要介绍了python numpy查询定位赋值数值所在行列,文章围绕主题展开详细的内容介绍,具有一定的参考价值,需要的小伙伴可以参考一下

根据条件筛选行(筛选)

筛选矩阵中第7列值为5的行

B = A[ A[:,6] == 5]

筛选矩阵中第7列大于5的行

B = A[ A[:,6] > 5]

Numpy基础操作

根据行列号取值(查询)

取第2行第2列的数字

import numpy as np
#产生3行4列的矩阵
x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

y=x[1,1]
print(y)

截取前几行前几列

import numpy as np
#产生3行4列的矩阵
x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

#[a:b,c:d] 表示取a-b行,c-d列。a、c可以省略,表示从0开始
#取x的前两行(所有列)
y=x[:2] # 等价于 y=x[:2,:],等价于 y=x[0:2,...]
print(y)

#取x的前两列(的所有行)
z=x[:,:2] # 等价于 z=x[:,0:2],等价于 z=x[...,0:2]
print(z)

截取某几行某几列

import numpy as np
#产生3行4列的矩阵
x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

#[a:b,c:d] 表示取a-b行,c-d列。a、c可以省略,表示从0开始
#取x的第2行第2-3列
y=x[1,1:3]

根据值求行列号(定位)

输出某行最大值所在的列索引

import numpy as np
#产生3行4列的矩阵
x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

#  取出x中元素最大值所对应的索引,按照a[0][1]中的a[1]方向,即行方向搜索最大值。
y = np.argmax(x, 1)
print(y)

输出某列最大值所在的行索引

#  取出x中元素最大值所对应的行号
y = np.argmax(x, 0)
print(y)

最大值所在行列号

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

# where返回一个长度为2的元组,第一个元素保存的是行号,第二个元素保存的是列号
y = np.where(x == np.max(x))
print(y)
print("最大值所在行:",y[0],"最大值所在列:",y[1])

按行/列求和(求和)

按行求和,将和添加到矩阵最后一列

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

y = np.sum(x, axis=1)
print(y)

xy = np.hstack((x, y.reshape(x.shape[0], -1)))
print(xy)

按列求和,将和添加到矩阵最后一行

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

z = np.sum(x, axis=0)
print(z)

xz = np.vstack((x, z))
print(xz)

赋值

按条件赋值

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

x[x<=5]=0 # 将小于5的数赋值为0
print(x)

where()

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

# results = np.where(condition, x, y)
# 当条件为真时,对应位置返回x中的值,条件不成立则返回y中的值
y = np.where(x>5,x,0)  #满足大于5的值设置为x,不满足的设为0
print(y)

逻辑运算

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

print(x>5) # x>5的为Ture,否则为False

给指定 行 / 列 / [行,列] 赋值

x=np.arange(0,12)
x=x.reshape((3,4))
print(x)

x[1,1] = 999 # 指定行列号赋值
print(x)

x[1] = 123 # 指定行赋值
print(x)

x[:,1] = 321 # 指定列赋值
print(x)

到此这篇关于python numpy查询定位赋值数值所在行列的文章就介绍到这了,更多相关python numpy 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!

相关文章

  • tensorflow官方github预训练模型下载方式

    tensorflow官方github预训练模型下载方式

    这篇文章主要介绍了tensorflow官方github预训练模型下载方式,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2024-02-02
  • Pandas中DataFrame常用操作指南

    Pandas中DataFrame常用操作指南

    DataFrame是pandas最常用的对象,其类似于excel中的表格,完成数据读取后,数据就以DataFrame数据结构存储在内存中,下面这篇文章主要给大家介绍了关于Pandas中DataFrame常用操作的相关资料,需要的朋友可以参考下
    2022-06-06
  • python MD5加密的示例

    python MD5加密的示例

    这篇文章主要介绍了python MD5加密的示例,帮助大家更好的利用python进行加密,感兴趣的朋友可以了解下
    2020-10-10
  • Python异步通信模块asyncore解读

    Python异步通信模块asyncore解读

    这篇文章主要介绍了Python异步通信模块asyncore的使用,具有很好的参考价值,希望对大家有所帮助,如有错误或未考虑完全的地方,望不吝赐教
    2023-11-11
  • django将图片上传数据库后在前端显式的方法

    django将图片上传数据库后在前端显式的方法

    今天小编就为大家分享一篇django将图片上传数据库后在前端显式的方法,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2018-05-05
  • python3+selenium4实现切换窗口与iframe的方法

    python3+selenium4实现切换窗口与iframe的方法

    在自动化测试过程中,有时后会遇到元素定位方式没有问题,但是依旧抛出无法找到元素的异常的问题,有可能是由于当前焦点不在指定页面或iframe导致的,本文就来说明 一下
    2021-05-05
  • 使用python 计算百分位数实现数据分箱代码

    使用python 计算百分位数实现数据分箱代码

    这篇文章主要介绍了使用python 计算百分位数实现数据分箱代码,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2020-03-03
  • python 实现绘制整齐的表格

    python 实现绘制整齐的表格

    今天小编就为大家分享一篇python 实现绘制整齐的表格,具有很好的参考价值,希望对大家有所帮助。一起跟随小编过来看看吧
    2019-11-11
  • Python如何获取文件路径/目录

    Python如何获取文件路径/目录

    这篇文章主要介绍了Python如何获取文件路径/目录,帮助大家更好的利用python处理文件,感兴趣的朋友可以了解下
    2020-09-09
  • python如何实现华氏温度和摄氏温度转换

    python如何实现华氏温度和摄氏温度转换

    这篇文章主要介绍了python如何实现华氏温度和摄氏温度转换,具有很好的参考价值,希望对大家有所帮助。如有错误或未考虑完全的地方,望不吝赐教
    2022-11-11

最新评论