numpy数组互换两行应该怎么操作,代码是什么
Admin 2022-07-15 群英技术资讯 950 次浏览
今天就跟大家聊聊有关“numpy数组互换两行应该怎么操作,代码是什么”的内容,可能很多人都不太了解,为了让大家认识和更进一步的了解,小编给大家总结了以下内容,希望这篇“numpy数组互换两行应该怎么操作,代码是什么”文章能对大家有帮助。import numpy as np a = np.array([[1,1,1],[2,2,2],[3,3,3], [4,4,4]]) tmp = a[1] a[1] = a[2] a[2] = tmp
tmp只是a[1]的另一个名字,它并不是将a[1]复制了之后,就与a[1]无关,或许可理解为一种引用。所以这段代码的效果并不能如愿互换原始a数组的第2行和第三行,而是会将2,3行都变成原来的第三行[3,3,3],像这样:
array([[1, 1, 1],
[3, 3, 3],
[3, 3, 3],
[4, 4, 4]])
有两种方法,第一种很简便:
a[[1,2], :] = a[[2,1], :]
这样就将数组a的第2行和第3行互换了。或者,写得更易理解一点,也可以这样一步一步写:
tmp = np.copy(a[1]) a[1] = a[2] a[2] = tmp
这两种写法都可以将数组a的第2,3行互换,即可以得到:
array([[1, 1, 1],
[3, 3, 3],
[2, 2, 2],
[4, 4, 4]])
补充:numpy数组行交换的bug
今日发现一个小问题,还好自己发现了,不然这个bug不知道要背锅好久
交换一个numpy数组中的第i行和第j行
import numpy as np arr = np.asarray([[1,2,3], [4,5,6], [7,8,9]]) print(arr) tmp = arr[2] arr[2] = arr[0] arr[0] = tmp print(arr)
打印结果:
[[1 2 3] [4 5 6] [7 8 9]] [[1 2 3] [4 5 6] [1 2 3]]
这个结果打印出来,整个人傻眼了
为了搞懂为啥是这个结果,我打印变量tmp看看
import numpy as np arr = np.asarray([[1,2,3], [4,5,6], [7,8,9]]) print(arr) tmp = arr[2] print(tmp) arr[2] = arr[0] print(tmp) arr[0] = tmp print(arr)
打印结果:
[[1 2 3] [4 5 6] [7 8 9]] #原始的arr [7 8 9] #第一次打印tmp [1 2 3] #第二次打印tmp [[1 2 3] [4 5 6] [1 2 3]] #交换后的arr
这样就发现了问题,这是python的特性,变量tmp不是copy了arr[2]的数值,而是类似于C中的指针,指在了arr[2]的地址上,当执行arr[2] = arr[0]后,arr[2]的数值发生了变化,所以tmp也发生了变化
而处理的办法也很简单,变量tmp深度copy arr[2]就行,即:tmp = arr[2].copy()
import numpy as np arr = np.asarray([[1,2,3], [4,5,6], [7,8,9]]) print(arr) tmp = arr[2].copy() print(tmp) arr[2] = arr[0] print(tmp) arr[0] = tmp print(arr)
打印结果:
[[1 2 3] [4 5 6] [7 8 9]] #原始的arr [7 8 9] #第一次打印tmp [7 8 9] #第二次打印tmp [[7 8 9] [4 5 6] [1 2 3]] #交换后的arr
搞定~
免责声明:本站发布的内容(图片、视频和文字)以原创、转载和分享为主,文章观点不代表本网站立场,如果涉及侵权请联系站长邮箱:mmqy2019@163.com进行举报,并提供相关证据,查实之后,将立刻删除涉嫌侵权内容。
猜你喜欢
这篇文章主要介绍了如何利用Python写猜数字和字母的游戏,文章基于Python实现游戏小项目,感兴趣的朋友可以参考一下
大部分程序和语言中的随机数,其实都只是伪随机。是由可确定的函数(常用线性同余),通过一个种子(常用时钟)产生的。直观来想,计算机就是一种确定的、可预测的的设备:一行行的代码是固定的,一步步的算法是固定的,一个个与非门是固定的。
这篇文章主要介绍了Python 制作子弹图,众所周知,Python 的应用是非常广泛的,今天我们就通过 matplotlib 库学习下如何制作精美的子弹图,需要的朋友可以参考一下
这篇文章主要为大家介绍了python神经网络Densenet模型复现详解,有需要的朋友可以借鉴参考下,希望能够有所帮助,祝大家多多进步,早日升职加薪
图像的轮廓检测不论是机器视觉还是其他方面都有较大作用,下面这篇文章主要给大家介绍了关于如何使用Python OpenCV提取物体轮廓的相关资料,文中通过实例代码介绍的非常详细,需要的朋友可以参考下
成为群英会员,开启智能安全云计算之旅
立即注册关注或联系群英网络
7x24小时售前:400-678-4567
7x24小时售后:0668-2555666
24小时QQ客服
群英微信公众号
CNNIC域名投诉举报处理平台
服务电话:010-58813000
服务邮箱:service@cnnic.cn
投诉与建议:0668-2555555
Copyright © QY Network Company Ltd. All Rights Reserved. 2003-2020 群英 版权所有
增值电信经营许可证 : B1.B2-20140078 粤ICP备09006778号 域名注册商资质 粤 D3.1-20240008