本文研究的主要是numpy使用技巧之數組過濾的相關內容，具體如下。

當使用布爾數組b作為下標存取數組x中的元素時，將收集數組x中所有在數組b中對應下標為True的元素。使用布爾數組作為下標獲得的數組不和原始數組共享數據空間，注意這種方式只對應于布爾數組(array)，不能使用布爾列表（list）。

>>> x = np.arange(5,0,-1)>>> xarray([5, 4, 3, 2, 1])>>> x[np.array([True, False, True, False, False])]>>> # 下標為True的取出來，布爾數組中下標為0，2的元素為True，因此獲取x中下標為0,2的元素array([5, 3])>>> x[[True, False, True, False, False]]#Error，這不是我們想要的結果>>> # 如果是布爾列表，則把True當作1, False當作0，按照整數序列方式獲取x中的元素array([4, 5, 4, 5, 5])>>> x[np.array([True, False, True, True])]>>> # 布爾數組的長度不夠時，不夠的部分都當作Falsearray([5, 3, 2])>>> x[np.array([True, False, True, True])] = -1, -2, -3#只修改下標為True的元素>>> # 布爾數組下標也可以用來修改元素>>> xarray([-1, 4, -2, -3, 1])

注意：布爾數組一般不是手工產生的，通常我們使用一條布爾表達式來得到，如：

>>> x = np.random.rand(10) # 產生一個長度為10，元素值為0-1的隨機數的數組>>> xarray([ 0.72223939, 0.921226 , 0.7770805 , 0.2055047 , 0.17567449,    0.95799412, 0.12015178, 0.7627083 , 0.43260184, 0.91379859])>>> x>0.5>>> # 數組x中的每個元素和0.5進行大小比較，得到一個布爾數組，True表示x中對應的值大于0.5array([ True, True, True, False, False, True, False, True, False, True], dtype=bool)>>> x[x>0.5]# x>0.5是一個布爾數組>>> # 使用x>0.5返回的布爾數組收集x中的元素，因此得到的結果是x中所有大于0.5的元素的數組array([ 0.72223939, 0.921226 , 0.7770805 , 0.95799412, 0.7627083 ,    0.91379859])

總結

以上就是本文關于numpy使用技巧之數組過濾實例代碼的全部內容，希望對大家有所幫助。感興趣的朋友可以繼續參閱本站其他相關專題，如有不足之處，歡迎留言指出。感謝朋友們對本站的支持！