python多维数组查找

❶ python 查找二维数组的相邻元素

#coding=utf-8
'''
Createdon2014-3-21

@author:Neo
'''

defPrintList(array):#输出数组
foriinrange(array.__len__()):
printarray[i]

defSetList(array):#给数组赋值
row=11
col=11
foriinrange(array.__len__()):
forjinrange(array[i].__len__()):
array[i][j]=row
row+=10
col+=1
row=col

print"赋值后的二维数组:"
PrintList(array)

returnarray

defInitList(x,y):
#初始化一个二维数组
array=[([0]*y)foriinrange(x)]

returnarray

defGetListByCoord(array,radius,x,y):
#根据半径来确定数组的行数和列数
row_col=2*radius+1
#初始化结果数组
result=InitList(row_col,row_col)
#获取传入的array的行数和列数
arrayRow,arrayCol=len(array),len(array[0])
#坐标x、y的值即为结果数组的中心，依此为偏移
foriinrange(result.__len__()):
forjinrange(result.__len__()):
if(i+x-radius<0orj+y-radius<0or
i+x-radius>=arrayRoworj+y-radius>=arrayCol):
result[i][j]=0
else:
result[i][j]=array[i+x-radius][j+y-radius]

#打印结果
print"结果为："
PrintList(result)

if__name__=='__main__':
#数组7列6行
array=SetList(InitList(6,7))
GetListByCoord(array,1,3,3)
GetListByCoord(array,2,3,3)
GetListByCoord(array,2,0,0)
GetListByCoord(array,2,0,6)
GetListByCoord(array,2,5,0)
GetListByCoord(array,2,5,6)

运行结果为：

---------------------------------------------------------------------------------------------

赋值后的二维数组:

[11, 21, 31, 41, 51, 61, 71]

[12, 22, 32, 42, 52, 62, 72]

[13, 23, 33, 43, 53, 63, 73]

[14, 24, 34, 44, 54, 64, 74]

[15, 25, 35, 45, 55, 65, 75]

[16, 26, 36, 46, 56, 66, 76]

结果为：

[33, 43, 53]

[34, 44, 54]

[35, 45, 55]

结果为：

[22, 32, 42, 52, 62]

[23, 33, 43, 53, 63]

[24, 34, 44, 54, 64]

[25, 35, 45, 55, 65]

[26, 36, 46, 56, 66]

结果为：

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

[0, 0, 11, 21, 31]

[0, 0, 12, 22, 32]

[0, 0, 13, 23, 33]

结果为：

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

[51, 61, 71, 0, 0]

[52, 62, 72, 0, 0]

[53, 63, 73, 0, 0]

结果为：

[0, 0, 14, 24, 34]

[0, 0, 15, 25, 35]

[0, 0, 16, 26, 36]

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

结果为：

[54, 64, 74, 0, 0]

[55, 65, 75, 0, 0]

[56, 66, 76, 0, 0]

[0, 0, 0, 0, 0]

[0, 0, 0, 0, 0]

❷ numpy基础——ndarray对象

numpy 是使用python进行数据分析不可或缺的第三方库，非常多的科学计算工具都是基于 numpy 进行开发的。

ndarray对象是用于存放同类型元素的多维数组，是numpy中的基本对象之一，另一个是func对象。本文主要内容是： 1 、简单介绍ndarray对象 ； 2、ndarray对象的常用属性 ； 3、如何创建ndarray对象 ； 4、ndarray元高悔素访问 。
它的维度以及个维度上的元素个数由 shape 决定。

标题中的函数就是numpy的构造函数，我们可以使用这个函数创建一个ndarray对象。构造函数有如下几个可选参数：

实例：

接下来介绍ndarray对象最常用的属性

实例：

使用 array 函数，从常规的python列表或者元组中创建数组，元素的类型由原序列中的元素类型确定。

实例：

subok 为 True ，并且object是败念敬ndarray子类时（比如矩阵类型），返回的数组保留子类类型

某些时候，我们在创建数组之前已经确定了数组的维度以及各维度的长度。这时我们就可以使用numpy内建的一些函数来创建ndarray。
例如：函数 ones 创建一个全1的数组、函数 zeros 创建一个全0的数组、函数 empty 创建一个内容随机的数组，在默认情况下，用这些函数创建的数组的类型都是float64，若需要指定数据类型，只需要闲置 dtype 参数即可：

上述三个函数还有三个从已知的数组中，创建 shape 相同的多维数组： ones_like 、 zeros_like 、 empty_like ，用法如下：

除了上述几个用于创建数组的函数，还有如下几个特殊的函数：

特别地， eye 函数的全1的对角线位置有参数k确定
用法如下：

除了上面两个函数还有其他几个类似的从外部获取数据并创建ndarray，比如： frombuffer 、 fromfile 、 fromiter ，还没用过，等用到了在详细记录

ndarray提供了一些创建二维数组的特殊函数。numpy中matrix是对二维数组ndarray进行了封装之后的子类。这里介绍的关于二维数组的创建，返回的依旧是一个ndarray对象，而不是matrix子类。关于matrix的创建和操作，待后续笔记详细描述。为了表述方便，下面依旧使用 矩阵 这一次来表示创建的二维数组。

对于一维的ndarray可以使用python访问内置list的方式进行访问：整数索引、切片、迭代等方式
关于ndarray切片
与内置list切片类似，形式：
array[beg:end:step]
beg: 开始索引
end: 结束索引（不包含这个元素）
step: 间隔
需要注意的是 ：

特别注意的是，ndarray中的切片返回的数组中的元素是原数组元素的索引，对返回数组元素进行修改会影响原数组的值

除了上述与list相似的访问元素的方式，ndarray有一种通过 列表 来指定要从ndarray中获取元素的索引，例如：

多维ndarray中，每一维都叫一个轴axis。在ndarray中轴axis是非常重要的，有很多对于ndarray对象的运算都是基于axis进行，比如sum、mean等都会有一个axis参数（针对对这个轴axis进行某些运察慎算操作），后续将会详细介绍。
对于多维数组，因为每一个轴都有一个索引，所以这些索引由逗号进行分割，例如：

需要注意的是 ：

多维数组的迭代
可以使用ndarray的 flat 属性迭代数组中每一个元素

❸ Numpy array数组的常见运算

Numpy是Python最流行的数学计算库之一，它 支持多维数组与矩阵的各种运算。在Numpy库中ndarray对象是其核心，它支持任意维度的数组（向量），所有的运算都是以array为基础展开的。此外，在 Numpy的 矩阵mat是array的一个子集，也就是二维的数组。

下面我们来看一下array的基本运算。

NumPy数组在与数值进行运算时，具有广播特性。也就是说，数组中的每个元素都会进行同样的运算，这些运算包括“+、-、*、/、**、&、|、^”等。

例如：array([1,2,3,4,5])*2 相当于array([1*2,2*2,3*2,4*2,5*2]), 代码示例如下。

对于维度相同的两个数组，将按照元素逐项进行运算。以‘*’为例：

已知

那么：

代码示例如下

对于维度不同的两个数组，则会进行广播运算, 例如

那么

我们知道对于向量

那么a与b的点积为：

在Numpy中，一维数组的点积（dot）和内积(inner)是相同的。但是对于多维数组来说，则有差别。inner运算中，可以将数组最后一个维度(行)视为向量，两个数组的内积就是逐项对这些向量的内积。而dot运算则是前一个数组雨后一个数组转置后的结果，即inner(a,b.T).

以上代码在Python 3.7中运行通过。

❹ 什么是数组的维度，python 的ndim的使用

数组的维度就是一个数组中的某个元素，当用数组下标表示的时候，需要用几个数字来表示才能唯一确定这个元素，这个数组就是几维。numpy中直接用 * 即可表示数与向量的乘法，参考python 2.7的一个例子：inport numpy as np a = np.array([1,2,3,4]) # 向量 b = 5 # 数 print a*b ++++++++++++ [5,10,15,20]

❺ Python——ndarray多维数组基本操作（1）

数组允许进行批量操作而无需使用for循环，因此更加简便，这种特性也被称为向量化。任何两个等尺寸之间的算术操作都应用逐元素操作的方式进行。

同尺度数组之间的比较，会产生一个布尔型数组。

上述操作均是在同尺度数组之间进行的，对于不同尺度数组间的操作，会使用到广播特性。

索引：获取数组中特定位置元素的过程；
切片：获取数组元素子集的过程。

new_a = a.astype(new_type)

astype()方法一定会创建新的数组（原始数据的一个拷贝），即使两个类型一致。

ls = a.tolist()

转置是一种特殊的数据重组形式，可以返回底层数据的视图而不需要复制任何内容。
数组拥有 transpose 方法，也有特殊的 T 属性。

对于更高纬度的数组， transpose 方法可以接受包含轴编号的元组，用于转置轴。

ndarray的 swapaxes 方法，通过接受一对轴编号作为参数，并对轴进行调整用于重组数据。
swapaxes 方法返回的是数据的视图，而没有对数据进行复制。

Reference：
《Python for Data Analysis:Data Wrangling with Pandas,Numpy,and IPython》

❻ python如何获取某个数组中某些下标的元素

print(your_list.index('your_item')) ###your_list为列表名称 your_item为需要修该的数据。

print [i for i, x in enumerate(your_list) if x == 'your_item']

your_list为待查list，your_item为具体要查的元素，打印出一个包含所有要查元素下标的列表。

【python列表】

1、可以先创建一个空列表，可以使用type()，查看类型。

❼ Python—Numpy库的用法

NumPy 是一个 Python 包。 它代表 “Numeric Python”。 它是一个由多维数组对象和用于处理数组的例程集合组成的库。

NumPy 支持比 Python 更多种类的数值类型。 下表显示了 NumPy 中定义的不同标量数据类型。

[('age', 'i1')]

[10 20 30]

[('abc', 21, 50.0), ('xyz', 18, 75.0)]

每个内建类型都有一个唯一定义它的字符代码：

[[1, 2] [3, 4] [5, 6]]

[[[ 0, 1, 2] [ 3, 4, 5] [ 6, 7, 8] [ 9, 10, 11]] [[12, 13, 14] [15, 16, 17] [18, 19, 20] [21, 22, 23]]]

[1 2 3]

[1 2 3]

[(1, 2, 3) (4, 5)]

原始数组是： [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]

修改后的数组是： 0 5 10 15 20 25 30 35 40 45 50 55

原始数组是： [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]

原始数组的转置是： [[ 0 20 40] [ 5 25 45] [10 30 50] [15 35 55]]

修改后的数组是： 0 5 10 15 20 25 30 35 40 45 50 55

C风格是横着顺序

F风格是竖着的顺序

原始数组是： [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]

修改后的数组是： [[ 0 10 20 30] [ 40 50 60 70] [ 80 90 100 110]]

第一个数组： [[ 0 5 10 15] [20 25 30 35] [40 45 50 55]]

第二个数组： [1 2 3 4]

修改后的数组是： 0:1 5:2 10:3 15:4 20:1 25:2 30:3 35:4 40:1 45:2 50:3 55:4

原始数组： [[0 1 2 3] [4 5 6 7]]

调用 flat 函数之后： 5

原数组： [[0 1 2 3] [4 5 6 7]]

展开的数组：默认是A [0 1 2 3 4 5 6 7]

以 F 风格顺序展开的数组： [0 4 1 5 2 6 3 7]

原数组： [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]]

转置数组： [[ 0 4 8] [ 1 5 9] [ 2 6 10] [ 3 7 11]]