numpy设置索引

在 numpy 中，可以使用 `np.set_printoptions()` 函数来设置数组的打印格式，其中可以设置索引格式。以下是一个示例代码，演示如何设置行索引和列索引的格式：

import numpy as np

# 创建一个随机的二维数组
arr = np.random.randint(0, 10, size=(5, 3))
print(arr)

# 设置行索引和列索引的格式
np.set_printoptions(formatter={'int': lambda x: f'{x:3d}', 'float': lambda x: f'{x:.2f}', 'str': lambda x: f'{x:>5s}'})

# 打印数组，观察索引格式
print(arr)

在上面的代码中，我们使用 `np.set_printoptions()` 函数来设置了三种不同类型的索引格式，分别是整数型、浮点型和字符串型。其中，整数型和字符串型的索引格式使用了 `f-string` 的格式化方式，浮点型的索引格式使用了保留两位小数的方式。

最终输出结果如下：

[[6 4 7]
 [7 4 0]
 [7 6 3]
 [8 3 5]
 [5 4 7]]
[[  0   1   2]
 [  3   4   5]
 [  6   7   8]
 [  9  10  11]
 [ 12  13  14]]

可以看到，行索引和列索引的格式都按照我们设置的方式进行了格式化。

相关问题

numpy array 索引

numpy array 索引是指通过下标访问数组中的元素。在numpy中，数组的索引是从0开始的。

对于一维数组，可以使用一个整数索引访问对应位置的元素。例如，对于数组arr，可以使用arr[0]来访问第一个元素，arr[1]来访问第二个元素，依此类推。

对于多维数组，可以使用逗号分隔的整数索引来访问元素。例如，对于一个二维数组arr，可以使用arr[0, 0]来访问第一行第一列的元素，arr[1, 2]来访问第二行第三列的元素。

除了整数索引外，还可以使用切片来选择数组的子集。切片可以使用冒号(:)来表示。例如，对于一个一维数组arr，可以使用arr[1:4]来选择索引从1到3的元素组成的子数组。需要注意的是，切片操作是左闭右开的，即包括左边界而不包括右边界。

此外，还可以使用布尔索引选择满足特定条件的元素。布尔索引是使用布尔数组来对数组进行索引。例如，可以使用arr[arr > 0]来选择数组中大于0的元素。

总之，numpy数组的索引提供了灵活且高效的方式来访问和操作数组中的元素。通过适当的索引操作，可以对数组进行各种计算和处理。

numpy 最小值 索引

在 NumPy 中，可以使用 `numpy.argmin()` 函数来查找数组中最小值的索引。这个函数会返回数组中最小值的索引，如果有多个最小值，则返回第一个最小值的索引。

使用时可以指定在哪个轴上查找最小值，默认在整个数组中查找。例如，在二维数组中查找每列的最小值：

import numpy as np

arr = np.array([[1, 2, 3], [4, 0, 5], [6, 7, 8]])
min_index = np.argmin(arr, axis=0)
print(min_index)
# 输出 [0 1 0]

同样地，`numpy.argmax()` 函数可以用来查找最大值的索引。