NumPy 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。

ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行(不包含stop),从原数组中切割出一个新数组。

实例

import numpy as np

a = np.arange(10)

s = slice(2,7,2) # 从索引 2 开始到索引 7 停止,间隔为2; 注意:不包含7

print (a[s])

输出结果为:

[2 4 6]

以上实例中,我们首先通过 arange() 函数创建 ndarray 对象。 然后,分别设置起始,终止和步长的参数为 2,7 和 2。

我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作:

实例

import numpy as np

a = np.arange(10)

b = a[2:7:2] # 从索引 2 开始,到索引 7 停止,间隔为 2; 注意:不包含7

print(b)

输出结果为:

[2 4 6]

冒号 : 的解释:如果只放置一个参数,如 [2],将返回与该索引相对应的单个元素。如果为 [2:],表示从该索引开始以后的所有项都将被提取。如果使用了两个参数,如 [2:7],那么则提取两个索引(不包括停止索引)之间的项。

实例

import numpy as np

a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]

b = a[5]

print(b)

输出结果为:

5

实例

import numpy as np

a = np.arange(10)

print(a[2:])

 输出结果为:

[2 3 4 5 6 7 8 9]

实例

import numpy as np

a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]

print(a[2:5])

输出结果为:

[2 3 4]

多维数组同样适用上述索引提取方法:

实例

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])

print(a)

# 从某个索引处开始切割

print('从数组索引 a[1:] 处开始切割')

print(a[1:])

输出结果为:

[[1 2 3]

[3 4 5]

[4 5 6]]

从数组索引 a[1:] 处开始切割

[[3 4 5]

[4 5 6]]

 

切片还可以包括省略号 …,来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号,它将返回包含行中元素的 ndarray。

实例

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])

print (a[...,1]) # 第2列元素

print (a[1,...]) # 第2行元素

print (a[...,1:]) # 第2列及剩下的所有元素

输出结果为:

[2 4 5] # 第2列元素

[3 4 5] # 第2行元素

[[2 3]

[4 5]

[5 6]]

 

一维数组:

import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[2] + arr[3])

 

二维数组:

import numpy as np

arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])

print('5th element on 2nd dim: ', arr[1, 4]) # 10 arr[1][4]

 

三维数组:

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(arr[0, 1, 2]) # 6 arr[0][1][2]

 

 

 

 

 

 

 

REF

https://www.w3school.com.cn/python/numpy_array_indexing.asp

http://c.biancheng.net/view/8289.html

https://www.codingdict.com/article/8223

https://www.wenjiangs.com/doc/numpy-advancedindex

https://www.runoob.com/numpy/numpy-indexing-and-slicing.html

https://blog.csdn.net/liangzuojiayi/article/details/51534164

查看原文