第3关：花式索引与布尔索引

任务描述

本关任务：根据本关所学知识，过滤大写字母。

相关知识

为了完成本关任务，你需要掌握：

花式索引；
布尔索引。

花式索引

花式索引（Fancy Indexing）是NumPy用来描述使用整型数组**（这里的数组，可以是NumPy的数组，也可以是python自带的list）**作为索引的术语，其意义是根据索引数组的值作为目标数组的某个轴的下标来取值。

使用一维整型数组作为索引，如果被索引数组(ndarray)是一维数组，那么索引的结果就是对应位置的元素；如果被索引数组(ndarray)是二维数组，那么就是对应下标的行。如下图所示：

示例代码如下：

import numpy as np
arr = np.array(['zero','one','two','three','four'])
'''
打印arr中索引为1和4的元素
结果为：['one', 'four']
'''
print(arr[[1,4]])
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
'''
打印arr中索引为1和0的行
结果为：[[4, 5, 6],  [1, 2, 3]]
'''
print(arr[[1, 0]])
'''
打印arr中第2行第1列与第3行第2列的元素
结果为：[4, 8]
'''
print(arr[[1, 2], [0, 1]])

布尔索引
我们可以通过一个布尔数组来索引目标数组，以此找出与布尔数组中值为True的对应的目标数组中的数据，从而达到筛选出想要的数据的功能。如下图所示：（PS：需要注意的是，布尔数组的长度必须与被索引数组对应的轴的长度一致）

不过单纯的传入布尔数组进去有点蠢，有没有更加优雅的方式使用布尔索引来达到筛选数据的效果呢？

当然有！我们可以想办法根据我们的需求，构造出布尔数组，然后再通过布尔索引来实现筛选数据的功能。

假设有公司员工绩效指数的数据如下（用一个一维的ndarray表示），现在想要把绩效指数大于3.5的筛选出来进行股权激励。

那首先就要构造出布尔数组，构造布尔数组很简单，performance > 3.5即可。此时会生成想要的布尔数组。

有了布尔数组就可以使用布尔索引来实现筛选数据的功能了。

示例代码如下：

import numpy as np
performance = np.array([3.25, 3.5, 3.75, 3.5, 3.25, 3.75])
'''
筛选出绩效高于3.5的数据
结果为:[3.75, 3.75]
'''
print(performance[performance > 3.5])
'''
筛选出绩效高于3.25并且低于4的数据
注意：&表示并且的意思，可以看成是and。&左右两边必须加上()
结果为:[3.5  3.75 3.5  3.75]
'''
print(performance[(performance > 3.25) & (performance < 4)])

编程要求
请在右侧编辑器Begin-End处补充代码，根据函数参数input_data过滤出所有的大写字母。

具体要求请参见后续测试样例。

请先仔细阅读右侧上部代码编辑区内给出的代码框架，再开始你的编程工作！

测试输入：
[“d”,“a”,“A”,“p”,“b”,“I”,“C”,“K”]
预期输出：
[‘A’ ‘I’ ‘C’ ‘K’]*

import numpy as npdef student(input_data):result=[]#********* Begin *********#a = np.array(input_data)#将输入数据array化result = a[(a>="A")&(a<="Z")]#使用布尔逻辑和布尔索引# ********* End *********#return result

第3关：花式索引与布尔索引相关推荐

python获取数组中大于某一阈值的那些索引值_Python NumPy 高级索引——整数组索引、布尔索引及花式索引...
NumPy 除了之前文章中介绍的用整数和切片的索引外,数组还可以由整数数组索引.布尔索引及花式索引. 整数数组索引整数索引有助于基于 N 维索引来获取数组中任意元素.每个整数数组表示该维度的下标值. ...
A01_[NumPy中文网]数组基础（创建数组，多维数组切片，数组属性）、使用数组（基本操作符，数组特殊运算符）、索引（花式索引，布尔索引，缺省索引）
NumPy简单入门教程 NumPy是Python中的一个运算速度非常快的一个数学库,它非常重视数组.它允许你在Python中进行向量和矩阵计算,并且由于许多底层函数实际上是用C编写的,因此你可以体验在 ...
python中索引和下标_Series下标索引、标签索引、切片索引、布尔索引
Series的values属性可以获取值,Series的索引也可以获取值且更加灵活.Series是dict-like类型,也是list-like类型,可以模仿字典和列表获取数据,比如可以用get方法获 ...
B07_NumPy 高级索引(整数数组索引,布尔索引，花式索引)
NumPy高级索引 NumPy 比一般的 Python 序列提供更多的索引方式.除了之前看到的用整数和切片的索引外,数组可以由整数数组索引.布尔索引及花式索引. 整数数组索引以下实例获取数组中(0, ...
Python中布尔索引的使用
import pandas as pd import numpy as np import matplotlib.pyplot as plt %matplotlib inline 展示表格基本信息 # ...
pandas中series一维数组的创建、索引的更改+索引切片和布尔索引+dataframe二维数组的创建、基本属性、索引方法（传统方法和lociloc）、nan操作、排序+案例
目录一.为什么要学习pandas? 二.pandas的常用数据类型 1.series--一维的且带标签的数组 (1)创建一维数组 (2)通过列表形式创建的series带标签数组可以改变索引,传入索引 ...
pandas布尔索引
说明:记录阅读代码过程中的布尔索引布尔索引 data = [['Tom', 86], ['Bob', 80], ['Lily', 90], ['Mike', 97]] df = pd.DataFra ...
03_pandas布尔索引、isin()筛选、设置值at和iat,loc，reindex、dropna、fillna，isna、求平均值mean、Apply函数、value_counts
布尔索引案例1 import numpy as np import pandas as pd# 通过设置开始时间,并设置间隔了多少月 dates = pd.date_range('20130101' ...
pandas 学习 —— 逻辑表达式与布尔索引
>> df = pd.DataFrame(np.random.randint(0, 10, (5, 4)), columns=list('ABCD'))A B C D 0 0 4 8 4 ...

第3关：花式索引与布尔索引

第3关：花式索引与布尔索引相关推荐

最新文章

热门文章