NumPy索引和切片

NumPy索引和切片

　　ndarray 对象的内容可以通过索引或切片来访问和修改，就像 Python 的内置容器对象一样。如前所述，ndarray 对象中的项目遵循从零开始的索引。提供三种类型的索引方法 -字段访问、基本切片和高级索引。

　　基本切片是 Python 对 n 维切片的基本概念的扩展。Python slice 对象是通过将start 、 stop和step参数提供给内置slice函数来构造的。将此切片对象传递给数组以提取数组的一部分。

　　推荐：如何在Python中创建表格

Numpy数组索引

一维数组

　　一维 numpy 数组的索引从 0 开始。这意味着第一个元素的索引为 0。第二个元素的索引为 1，第三个元素的索引为 2，依此类推。比方说，我想打印数字 7（这是第二个元素）。我通过用方括号中的 1索引数组“arr”来得到它

import numpy as np
a = np.array([4,7,2])

print(a[1]) # 7

二维数组

　　要从二维数组中获取单个元素，我必须提供两个索引，例如，要从该数组中获取数字 5，您必须使用第一个索引然后是第二个索引来索引该数组。

import numpy as np
a = np.array([[2,3,4],
            [1,2,5],
            [3,4,3]])
print(a[1,2]) # 5

三维数组

　　对于三维或多维数组，您必须为每一维提供一个索引。第一个索引总是选择最外面的方括号内的元素。通过这种逻辑，您可以计算出任意数组中索引的顺序。假设我想从这个数组中检索数字 10，从完整的数组开始，选择包含你想要的数字的部分，把剩下的扔掉。

import numpy as np
a = np.array([[[2,1],[4,5],[6,2]],
            [[3,4],[7,6],[10,2]]])

print(a[1,2,0]) # 10

　　推荐：NumPy Ndarray对象

Numpy数组切片

一维数组

　　为了对一维数组进行切片，我提供了一个以分号 (:) 分隔的开始编号和结束编号。然后范围从起始编号开始，到结束编号​​前一。

import numpy as np
a = np.array([2,3,1,5,6])
print(a[1:4])  # [3,1,5]

二维数组

　　对二维数组进行切片时，我想结果是所选行（第一个索引）和列（第二个索引）之间的交集。

import numpy as np
a = np.array([[2,3,4,3,6],
            [1,2,5,7,5],
            [3,4,3,3,5],
            [5,6,3,2,1],
            [3,1,4,5,6]])
print(a[1:3,1:]) #[[2 5 7 5]
                    [4 3 3 5]]

三维数组

　　对 3 维或更多维数组进行切片遵循与 2D 数组相同的逻辑，

　　以下方式切片 3D 或更多维数组。我从最外面的括号开始，根据第一个索引从头到尾选择。然后我将括号更深一层，并根据第二个索引从头到尾选择

import numpy as np
a = np.array([[[2,1],[4,5],[6,2]],
            [[3,4],[7,6],[10,2]]])
print(a[:,1:,:]) #[[[ 4  5]
                   [ 6  2]]
                  [[ 7  6]
                  [10  2]]]

总结

　　以上是晓得博客为你介绍的NumPy索引和切片的全部内容，向你解释如何从 numpy 数组中选择单个元素，如何对一维数组进行切片，直到能够对具有任意数量维度的数组进行切片。

　　推荐：NumPy教程