pythonnumpy查詢(xún)定位賦值數(shù)值所在行列

第pythonnumpy查詢(xún)定位賦值數(shù)值所在行列目錄根據(jù)條件篩選行（篩選）根據(jù)行列號(hào)取值（查詢(xún)）根據(jù)值求行列號(hào)（定位）按行/列求和（求和）賦值

根據(jù)條件篩選行（篩選）

篩選矩陣中第7列值為5的行

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

篩選矩陣中第7列大于5的行

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

Numpy基礎(chǔ)操作

根據(jù)行列號(hào)取值（查詢(xún)）

取第2行第2列的數(shù)字

importnumpyasnp

#產(chǎn)生3行4列的矩陣

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

y=x[1,1]

print(y)

截取前幾行前幾列

importnumpyasnp

#產(chǎn)生3行4列的矩陣

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，表示從0開(kāi)始

#取x的前兩行(所有列)

y=x[:2]#等價(jià)于y=x[:2,:]，等價(jià)于y=x[0:2,...]

print(y)

#取x的前兩列（的所有行）

z=x[:,:2]#等價(jià)于z=x[:,0:2]，等價(jià)于z=x[...,0:2]

print(z)

截取某幾行某幾列

importnumpyasnp

#產(chǎn)生3行4列的矩陣

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，表示從0開(kāi)始

#取x的第2行第2-3列

y=x[1,1:3]

根據(jù)值求行列號(hào)（定位）

輸出某行最大值所在的列索引

importnumpyasnp

#產(chǎn)生3行4列的矩陣

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

#取出x中元素最大值所對(duì)應(yīng)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)

輸出某列最大值所在的行索引

#取出x中元素最大值所對(duì)應(yīng)的行號(hào)

y=np.argmax(x,0)

print(y)

最大值所在行列號(hào)

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

#where返回一個(gè)長(zhǎng)度為2的元組，第一個(gè)元素保存的是行號(hào)，第二個(gè)元素保存的是列號(hào)

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，將和添加到矩陣最后一列

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，將和添加到矩陣最后一行

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)

賦值

按條件賦值

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

x[x=5]=0#將小于5的數(shù)賦值為0

print(x)

where()

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

#results=np.where(condition,x,y)

#當(dāng)條件為真時(shí)，對(duì)應(yīng)位置返回x中的值，條件不成立則返回y中的值

y=np.where(x5,x,0)#滿(mǎn)足大于5的值設(shè)置為x，不滿(mǎn)足的設(shè)為0

print(y)

邏輯運(yùn)算

x=np.arange(0,12)

x=x.reshape((3,4))

print(x)

print(x5)#x5的為T(mén)ure，否則為False

給指定行/列/[行，列]賦值

x=np.arange(0,12)

x=x.reshape((3,4))