访问np.array的部分

Question

我想快速访问np.array元素，例如从0-6加10到最后的索引。 到目前为止，我已经尝试过：

a[0:6,10:]

要么

np.concatenate(a[0:6],a[10:])

两者都给我错误，第二个给我错误：“ TypeError：只有整数标量数组可以转换为标量索引”

编辑：串联仍然给我问题，所以我要在这里发布我的完整代码：

Fold_5 = len(predictorX)/5
trainX = np.concatenate(predictorX[:3*int(Fold_5)],predictorX[4*int(Fold_5)])

预测变量X是一个数组，其值类似于

[[0.1,0.4,0.6,0.2],[..]....]

Answer 1

这是获取所需子数组的另外两种简短方法：

np.delete(a, np.s_[6:10])

和

np.r_[a[:6], a[10:]]

Answer 2

在：

a[0:6,10:]

0：6选择行，10：选择列。 如果a不为2d或足够大，则将导致错误。

在

np.concatenate(a[0:6],a[10:])

问题是参数的数量； 它需要一个数组列表。 如果给出第二个，则将其理解为axis ，它应该是整数（因此会出错）。

np.concatenate([a[0:6],a[10:]])

应该管用。

另一种选择是使用列表编制索引

a[0,1,2,3,4,5,10,11,...]]

np.r_是构造此类列表的便捷小工具：

In [73]: np.r_[0:6, 10:15]
Out[73]: array([ 0,  1,  2,  3,  4,  5, 10, 11, 12, 13, 14])

它实际上执行np.concatenate([np.arange(0,6),np.arange(10,15)]) 。

无论先索引然后连接，还是先索引然后索引都没有关系。 效率差不多。 np.delete取决于“ delete”区域的大小和类型，在几种方法中进行选择。

在trainX表达式中， trainX []添加到串联调用中。 但是， predictorX[4*Fold_5]可能是个问题。 是否缺少: （在10：为例）？ 如果只需要一个值，则需要将其转换为1d，例如： predictorX[[4*Fold_5]]

Fold_5 = len(predictorX)//5   # integer division in py3
trainX = np.concatenate([predictorX[:3*Fold_5], predictorX[4*Fold_5:]])

Answer 3

np.concatenate需要一个数组序列。 尝试

np.concatenate([a[0:6],a[10:]])

要么

np.concatenate((a[0:6],a[10:]))