python array矩阵相关操作

一、判断某个值是否在array二维数组的某列中

在 Python 中，如果你使用的是 numpy 数组，可以使用 numpy 提供的方法来判断某个值是否在数组的某一列中。这里有一个例子：

1、使用切片操作提取列（前提是 `numpy` 数组 `array`）

假设你有一个 numpy 数组 array，并且你想判断某个值是否在该数组的某一列中。

示例代码：

import numpy as np# 示例 2D 数组
array = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])# 要查找的值
value = 5# 指定列索引 (例如第二列，即索引为1)
column_index = 1# 判断值是否在指定的列中
if value in array[:, column_index]:print(f"{value} 在第 {column_index+1} 列中")
else:print(f"{value} 不在第 {column_index+1} 列中")

解释：

array[:, column_index] 是切片操作，用于提取指定列的所有元素。
- : 表示选择所有行。
- column_index 是你想查找的列的索引（从0开始）。
使用 in 关键字判断该值是否存在于该列中。

输出：

5 在第 2 列中

如果你没有使用 numpy 而是使用原生的 Python 列表，代码会稍有不同。

2、使用 Python 原生列表（二维列表）示例：

# 示例 2D 列表
array = [[1, 2, 3],[4, 5, 6],[7, 8, 9]]# 要查找的值
value = 5# 指定列索引 (例如第二列，即索引为1)
column_index = 1# 提取该列
column = [row[column_index] for row in array]# 判断值是否在指定的列中
if value in column:print(f"{value} 在第 {column_index+1} 列中")
else:print(f"{value} 不在第 {column_index+1} 列中")

输出：

5 在第 2 列中

这种方法适用于 Python 原生的二维列表结构。

二、根据某列中的特定值筛选数组

1、是numpy的array数组

在 Python 中，如果你使用的是 numpy 数组，可以利用布尔索引来根据某列的值筛选数组。

示例代码：

假设你有一个 numpy 数组 array，并且你想根据某列的值筛选数组中的行。

import numpy as np# 示例 2D 数组
array = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9],[4, 10, 11]])# 筛选条件：根据第二列的值筛选
column_index = 1
value = 5# 筛选出第二列等于5的所有行
filtered_array = array[array[:, column_index] == value]print(filtered_array)

解释：

array[:, column_index] 提取数组的指定列（通过索引选择）。
array[:, column_index] == value 会生成一个布尔数组，表示该列中哪些值等于 value。
使用该布尔数组来索引原数组，返回符合条件的所有行。

输出：

[[4 5 6]]

在这个例子中，输出为所有第二列值为 5 的行。

2、是python原生列表构成的二维数组

如果你没有使用 numpy，而是使用原生的 Python 列表，可以使用类似的方法，通过列表推导式筛选。

# 示例 2D 列表
array = [[1, 2, 3],[4, 5, 6],[7, 8, 9],[4, 10, 11]]# 筛选条件：根据第二列的值筛选
column_index = 1
value = 5# 使用列表推导式筛选
filtered_array = [row for row in array if row[column_index] == value]print(filtered_array)

输出：

[[4, 5, 6]]

这种方法适用于原生 Python 列表结构。

三、查找一个元素在二维 `array` 矩阵中的位置

假设你有一个二维矩阵 matrix，你要查找某个元素的位置。

方法 1: 使用 `numpy` 库

numpy 是一个高效的数值计算库，可以方便地进行数组操作。

import numpy as np# 创建一个二维数组
matrix = np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])# 查找元素的索引
element = 5
result = np.where(matrix == element)# 输出位置 (返回的是元组形式)
print("元素的位置是:", result)

np.where(matrix == element) 会返回一个元组，表示符合条件的元素的行和列索引。

输出：

元素的位置是: (array([1]), array([1]))

在这个例子中，5 出现在矩阵的第 2 行（索引 1）第 2 列（索引 1）。

方法 2: 使用列表推导式

如果你不想使用 numpy 库，可以使用纯 Python 的方法来查找元素的位置。

# 创建一个二维数组
matrix = [[1, 2, 3],[4, 5, 6],[7, 8, 9]
]# 查找元素的位置
element = 5
position = Nonefor i, row in enumerate(matrix):if element in row:position = (i, row.index(element))break# 输出位置
print("元素的位置是:", position)

输出：

元素的位置是: (1, 1)

在这个例子中，5 位于矩阵的第 2 行（索引 1），第 2 列（索引 1）。

方法 3: 使用 `for` 循环

你也可以使用嵌套 for 循环来遍历矩阵，找到元素的位置。

# 创建一个二维数组
matrix = [[1, 2, 3],[4, 5, 6],[7, 8, 9]
]# 查找元素的位置
element = 5
position = Nonefor i in range(len(matrix)):for j in range(len(matrix[i])):if matrix[i][j] == element:position = (i, j)breakif position:break# 输出位置
print("元素的位置是:", position)

输出：

元素的位置是: (1, 1)

总结

如果你使用 numpy 库，np.where() 是一种非常简洁高效的方式。
如果不使用外部库，可以通过嵌套 for 循环或者列表推导式来查找元素的位置。

四、判断array数组中的每个元素是否包含特定的子字符串

示例：

import numpy as nporigin_array = np.array(["abc.", "def.", "abc.abc.", "ghi"])
elem = "abc"
judge_array = np.char.count(origin_array, elem + ".") != 0
print(judge_array)

输出：

[ True False  True False]

解释：

第一个元素 "abc." 包含了 "abc."，所以为 True。
第二个元素 "def." 不包含 "abc."，所以为 False。
第三个元素 "abc.abc." 包含了 "abc."，所以为 True。
第四个元素 "ghi" 不包含 "abc."，所以为 False。

逐步分析：

origin_array: 假设它是一个 NumPy 数组，里面的每个元素可能是字符串类型（例如，形如 ["abc.", "def.", "ghi."]）。
elem: 假设这是一个字符串变量，它可能是任意的，如 "abc" 或 "def"。
elem + ".": 这表示将字符串 elem 和字符 "." 拼接起来，生成一个新的字符串。例如，如果 elem = "abc"，那么 elem + "." 就是 "abc."。
np.char.count(origin_array, elem + "."): np.char.count 会返回一个数组，其中每个元素表示在 origin_array的相应位置中，子字符串 elem + "." 出现的次数。
- 例如，如果 origin_array= ["abc.", "abc.abc.", "xyz."] 且 elem="abc",则 np.char.count 会返回一个数组 [1, 2, 0]，因为 "abc." 在第一个元素中出现一次，在第二个元素中出现两次，而在第三个元素中没有出现。
np.char.count(origin_array, elem + ".") != 0: 这一部分检查每个元素的出现次数是否不等于零。即，如果某个元素中包含了 elem + "."（即 abc. 或其他），它将返回 True，否则返回 False。