布爾數(shù)據(jù)：只有兩種值，即真（True）或假（False），如果我們將某些變量說明為布爾型，那么這些變量即為布爾變量只能存儲布爾值（True，F(xiàn)alse）

定義大數(shù)據(jù)2003班‘學生’及‘考試成績’，并且打印其結果

import numpy as np
 
names = np.array(['Bob','lilin','jonse','Andy'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
print(names,'\n',score)

每個人名和其數(shù)組之間是相互對應關系，我們通過學生名稱來索引學生成績

names = np.array(['Bob','lilin','jonse','Andy'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
lilin_score = score[names == 'lilin']
print(lilin_score)

注意，此做法隱藏著一個前提：定義的布爾值數(shù)組的長度必須和 數(shù)組軸索引長度（行數(shù)）一致，否則報錯

例如：大數(shù)據(jù)3班 KungFu_Dragon 同學沒有成績，也就是說，大數(shù)據(jù)3班有6個人，只有5個人有成績，成員和成績之間不匹配。

names = np.array(['Bob','lilin','jonse','Andy','KungFu_Dragon'])
score = np.array([['65','85','95'],['66','76','86'],['97','87','77'],['91','81','71']])
lilin_score = score[names == 'KungFu_Dragon']
print(lilin_score)

IndexError: boolean index did not match indexed array along dimension 0; dimension is 4 but corresponding boolean dimension is 5

除去上述操作之外，我們還可以通過布爾索引 和 切片 或 整數(shù)值 的 序列混合使用 和 匹配

布爾索引和切片操作混合使用

Andy_scores = score[names == 'Andy']
Andy_score = score[names == 'Andy',1:3]

布爾索引和整數(shù)序列操作混合使用

Andy_scores = score[names == 'Andy']
Andy_score = score[names == 'Andy',2]

我之前已經提到過，在Python基礎中索引和切片的關系，

通過元素數(shù)量來看：索引：取一個值，切片：可以取多個值

元素類型而言：索引獲得的是字符串，切片獲得的是列表，有的時候索引和切片獲得都是同一個元素，但是他們的數(shù)據(jù)類型是不同的。

與基本的數(shù)學比較類似，數(shù)組中也有類似的比較操作，但是在的比較操作中，會產生True 和 False 的布爾值

下面我對兩個數(shù)組之間進行了比較

import numpy as np
arr = np.random.randn(4,3)
arr2 = np.random.rand(4,3)
print(arr)
print('----------------')
print(arr2)
arr == arr2

說簡單了，其實就是每一個對應位置的元素之間進行比較 如果相同給出 True 如果不同，給出False

例如： arr 數(shù)組中 “-0.42689989”的下標為（0,0）arr2數(shù)組中“0.77641881”的下標為（0,0）,我認為它們之間，會通過這樣一個比較方法，arr 和arr2 都是二維數(shù)組，而且它們數(shù)組長度都是一致的，但是他們不是這樣進行比較的，arr 第一個元素和 arr2 第一個元素進行比較，arr2第二個元素，和 arr2 第二個元素比較。它的比較方式是，假如 arr數(shù)組中第一個元素為 2，如果要將 arr 和 arr2 進行比較，它會在arr2中尋找一個元素值為2 的數(shù)字，如果存在給出Ture 否則為False

在numpy中我們來看看一下他們是什么數(shù)據(jù)類型 ，通過type（變量名）來查看數(shù)據(jù)類型

由此可見，在numpy中，切片和 整數(shù)序列索引的數(shù)據(jù)類型是一致的，都是多維數(shù)組（ndarray）

在上述的基礎上，我們還可以在條件表達式前使用 ‘~’，做取反操作，比如：

我通過python打印了除去 大數(shù)據(jù)3班學生，‘Andy’以外的所有成員成績。

除去給了上述取反操作 “~”外還有一種 方法，‘’！=‘’

arr = np.array([[1,4,7],[2,5,8],[3,5,9]])
# arr2 = np.array[1,2,3]       builtin_function_or_method'對象不可下標
arr2 = np.array([1,5,3])
print(arr)
print(arr2)
print('----------------')
a = arr != arr2
print(a)

我疑惑的是為什么他們給出了布爾值請仔細觀察我用相同顏色框起來的值。

本來相同應該是 Ture ，不同應該用 False ，但因我用了取反操作，所以相同的成為了False 不同的用了ture。

到此這篇關于Numpy之布爾索引的實現(xiàn)的文章就介紹到這了,更多相關Numpy 布爾索引內容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關文章希望大家以后多多支持腳本之家！

最新評論