訪問np.array的部分

Question

我想快速訪問np.array元素，例如從0-6加10到最后的索引。 到目前為止，我已經嘗試過：

a[0:6,10:]

要么

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

兩者都給我錯誤，第二個給我錯誤：“ TypeError：只有整數標量數組可以轉換為標量索引”

編輯：串聯仍然給我問題，所以我要在這里發布我的完整代碼：

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

預測變量X是一個數組，其值類似於

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

Answer 1

這是獲取所需子數組的另外兩種簡短方法：

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

和

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

Answer 2

在：

a[0:6,10:]

0：6選擇行，10：選擇列。 如果a不為2d或足夠大，則將導致錯誤。

在

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

問題是參數的數量； 它需要一個數組列表。 如果給出第二個，則將其理解為axis ，它應該是整數（因此會出錯）。

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

應該管用。

另一種選擇是使用列表編制索引

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

np.r_是構造此類列表的便捷小工具：

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

它實際上執行np.concatenate([np.arange(0,6),np.arange(10,15)]) 。

無論先索引然后連接，還是先索引然后索引都沒有關系。 效率差不多。 np.delete取決於“ delete”區域的大小和類型，在幾種方法中進行選擇。

在trainX表達式中， trainX []添加到串聯調用中。 但是， predictorX[4*Fold_5]可能是個問題。 是否缺少: （在10：為例）？ 如果只需要一個值，則需要將其轉換為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需要一個數組序列。 嘗試

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

要么

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