NumPy 分割与搜索数组详解

NumPy 分割数组

NumPy 提供了 np.array_split() 函数来分割数组，将一个数组拆分成多个较小的子数组。
基本用法

语法：

1. np.array_split(array, indices_or_sections, axis=None)

复制代码

array： 要分割的 NumPy 数组。
indices_or_sections： 指定分割位置的整数列表或要包罗每个子数组的元素数量的列表。
axis： 可选参数，指定要分割的轴。默认为 0（即行分割）。
示例：

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 5, 6])
5. # 将数组分割成 3 个子数组
6. new_arrays = np.array_split(arr, 3)
7. print(new_arrays)  # 输出：
8.                         # [array([1, 2]), array([3, 4]), array([5, 6])]
10. # 指定分割位置
11. new_arrays = np.array_split(arr, [2, 5])
12. print(new_arrays)  # 输出：
13.                         # [array([1, 2]), array([3, 4]), array([5, 6])]
15. # 沿列分割
16. arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
17. new_arrays = np.array_split(arr, 3, axis=1)
18. print(new_arrays)  # 输出：
19.                         # [array([[1, 4, 7]]), array([[2, 5, 8]]), array([[3, 6, 9]])]

复制代码

注意事项

假如 indices_or_sections 指定的分割位置超出数组范围，则会引发异常。
假如数组元素数量不足以满足分割要求，则会从末端进行调整。
np.array_split() 返回一个包罗子数组的列表。
高级用法

除了基本用法之外，np.array_split() 还可以用于更复杂的分割操纵：
使用掩码进行分割： 您可以使用掩码数组来指示哪些元素应该包罗在每个子数组中。
不均匀分割： 您可以指定每个子数组包罗的元素数量，纵然数量不均等。
沿着任意轴分割： 您可以使用 axis 参数指定要分割的轴。
比方，以下代码使用掩码将数组分割成两个子数组，第一个子数组包罗全部偶数元素，第二个子数组包罗全部奇数元素：

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 5, 6])
4. mask = arr % 2 == 0
5. new_arrays = np.array_split(arr, mask)
6. print(new_arrays)  # 输出：
7.                         # [array([2, 4, 6]), array([1, 3, 5])]

复制代码

练习

使用 np.array_split() 将以下数组 arr 沿行分割成 4 个子数组，每个子数组包罗相等数量的元素。

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12])

复制代码

在评论中分享您的代码和输出。
Sure, here is the requested Markdown formatted content:
NumPy 搜索数组

NumPy 提供了多种方法来搜索数组中的元素，并返回匹配项的索引。
基本用法：np.where()

语法：

1. np.where(condition)

复制代码

condition：用于确定要查找的元素的布尔条件。
功能：
np.where() 逐个元素比力条件，并返回满足条件的元素的索引。
它返回一个元组，其中包罗一个或多个数组，每个数组表现满足条件的元素的索引。
示例：

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
5. # 查找值为 4 的索引
6. indices = np.where(arr == 4)
7. print(indices)  # 输出： (array([3, 5, 6]),)
9. # 查找大于 5 的元素的索引
10. indices = np.where(arr > 5)
11. print(indices)  # 输出： (array([6, 7, 8]),)

复制代码

搜索排序数组：np.searchsorted()

语法：

1. np.searchsorted(array, value, side='left')

复制代码

array：已排序的 NumPy 数组。
value：要搜索的值。
side：可选参数，指定搜索方向。默认为 'left'（从左到右）。
功能：
np.searchsorted() 在排序数组中执行二进制搜索，并返回指定值应插入的位置以保持排序顺序。
它假定输入数组已排序。
示例：

1. import numpy as np
3. arr = np.array([1, 3, 5, 7, 9])
5. # 查找值 7 应插入的索引
6. index = np.searchsorted(arr, 7)
7. print(index)  # 输出： 3
9. # 从右侧查找值 2 应插入的索引
10. index = np.searchsorted(arr, 2, side='right')
11. print(index)  # 输出： 1

复制代码

练习

使用 np.where() 或 np.searchsorted() 正确找到以下数组 arr 中全部即是 3 的元素的索引。

1. import numpy as np
3. arr = np.array([1, 2, 3, 4, 3, 3, 6, 7, 8])

复制代码

在评论中分享您的代码和输出。
末了

为了方便其他装备和平台的小伙伴观看往期文章：
微信公众号搜索：Let us Coding，关注后即可获取最新文章推送
看完假如觉得有帮助，接待点赞、收藏、关注

免责声明：如果侵犯了您的权益，请联系站长，我们会及时删除侵权内容，谢谢合作！更多信息从访问主页：qidao123.com:ToB企服之家，中国第一个企服评测及商务社交产业平台。