Numpy数组操作

索引和切片：

1. 获取某行的数据：

    # 1. 如果是一维数组
    a1 = np.arange(0,29)
    print(a1[1]) #获取下标为1的元素
   
    a1 = np.arange(0,24).reshape((4,6))
    print(a1[1]) #获取下标为1的行的数据
   

2. 连续获取某几行的数据：

    # 1. 获取连续的几行的数据
    a1 = np.arange(0,24).reshape((4,6))
    print(a1[0:2]) #获取0行到1行的数据
   
    # 2. 获取不连续的几行的数据
    print(a1[[0,2,3]])
   
    # 3. 也可以使用负数进行索引
    print(a1[[-1,-2]])
   

3. 获取某行某列的数据：

    a1 = np.arange(0,24).reshape((4,6))
    print(a1[1,1]) #获取1行1列的数据
   
    print(a1[0:2,0:2]) #获取0-1行的0-1列的数据
    print(a1[[1,2],[2,3]]) #获取(1,2)和(2,3)的两个数据，这也叫花式索引
   

4. 获取某列的数据：

    a1 = np.arange(0,24).reshape((4,6))
    print(a1[:,1]) #获取第1列的数据
   

总结1：
1、如果数组是一维的，那么索引和切片就是跟python的列表是一样的
2、如果是多维的（这里以二维为例），那么在中括号中，给两个值，两个值是通过逗号分隔的，逗号前面是行，逗号后面是列。如果中括号中只有一个值，那么代表的是行。
3、如果是多维数组（这里以二维为例），那么行的部分和列的部分，都是遵循一维数组的方式，可以使用整型，切片，还可以使用中括号的形式，来代表不连续的。比如a[[1,2],[3,4]],那么返回的就是(1,3),(2,4)的两个值。

布尔索引：

布尔运算也是矢量的，比如以下代码：

a1 = np.arange(0,24).reshape((4,6))
print(a1<10) #会返回一个新的数组，这个数组中的值全部都是bool类型
> [[ True  True  True  True  True  True]
 [ True  True  True  True False False]
 [False False False False False False]
 [False False False False False False]]

这样看上去没有什么用，假如我现在要实现一个需求，要将a1数组中所有小于10的数据全部都提取出来。那么可以使用以下方式实现：

a1 = np.arange(0,24).reshape((4,6))
a2 = a1 < 10
print(a1[a2]) #这样就会在a1中把a2中为True的元素对应的位置的值提取出来

其中布尔运算可以有!=、==、>、<、>=、<=以及&(与)和|(或)。示例代码如下：

a1 = np.arange(0,24).reshape((4,6))
a2 = a1[(a1 < 5) | (a1 > 10)]
print(a2)

总结2：
布尔索引是通过相同数组上的True和False来进行提取的，提取的条件可以有多个，那么如果有多个，可以使用&来代表且，用|来代表或，如果有多个条件，那么每个条件要使用圆括号括起来

值的替换：

利用索引，也可以做一些值的替换。把满足条件的位置的值替换成其他的值。比如以下代码：

a1 = np.arange(0,24).reshape((4,6))
a1[3] = 0 #将第三行的所有值都替换成0
print(a1)
a1[3] = np.array([1,2,3,4])  # 将第三行的值替换成对应的 

也可以使用条件索引来实现：

a1 = np.arange(0,24).reshape((4,6))
a1[a1 < 5] = 0 #将小于5的所有值全部都替换成0
print(a1)

还可以使用函数来实现：

# where函数： 
a1 = np.arange(0,24).reshape((4,6))
a2 = np.where(a1 < 10,1,0) #把a1中所有小于10的数全部变成1，其余的变成0
print(a2)

总结3：
1、可以使用索引和切片来替换
2、使用条件索引来替换
3、使用where函数来实现