[英]numpy array slicing index
import numpy as np
a=np.array([ [1,2,3],[4,5,6],[7,8,9]])
如何獲得第零個索引列? 期望輸出[[1],[2],[3]]
a[...,0]
給出一維數組。 也許下一個問題可以回答這個問題。
如何獲得最后的2列a
? a[...,1:2]
僅給出第二列, a[...,2:3]
給出最后兩列,但a[...,3]
是無效維度。 那么它是怎樣工作的?
順便說一下,運算符...
和:
具有相同的含義嗎? a[...,0]
和a[:,0]
給出相同的輸出。 有人可以在這里發表評論嗎?
numpy
索引建立在python
列表約定之上,但擴展到多維和多元素索引。 它功能強大,但很復雜,但您遲早應該閱讀完整的indexing
文檔,該文檔區分“基本”和“高級”索引。
與range
和arange
,切片索引具有“開放”停止值
In [111]: a = np.arange(1,10).reshape(3,3)
In [112]: a
Out[112]:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
無論在哪里,使用標量進行索引都會減少維度:
In [113]: a[1,:]
Out[113]: array([4, 5, 6])
In [114]: a[:,1]
Out[114]: array([2, 5, 8])
這也意味着a[1,1]
返回5
,而不是np.array([[5]])
。
使用切片進行索引會保留維度:
In [115]: a[1:2,:]
Out[115]: array([[4, 5, 6]])
使用列表或數組進行索引也是如此(盡管這會生成copy
,而不是view
):
In [116]: a[[1],:]
Out[116]: array([[4, 5, 6]])
...
是一個概括:
- 根據需要使用盡可能多的。
In [117]: a[...,[1]]
Out[117]:
array([[2],
[5],
[8]])
您可以使用newaxis
或 reshape 調整尺寸:
In [118]: a[:,1,np.newaxis]
Out[118]:
array([[2],
[5],
[8]])
請注意,尾隨:
是自動的。 a[1]
與a[1,:]
。 但領導者必須明確。
列表索引還會刪除“維度/嵌套層”
In [119]: alist = [[1,2,3],[4,5,6]]
In [120]: alist[0]
Out[120]: [1, 2, 3]
In [121]: alist[0][0]
Out[121]: 1
In [122]: [l[0] for l in alist] # a column equivalent
Out[122]: [1, 4]
import numpy as np
a=np.array([ [1,2,3],[4,5,6],[7,8,9]])
a[:,0] # first colomn
>>> array([1, 4, 7])
a[0,:] # first row
>>> array([1, 2, 3])
a[:,0:2] # first two columns
>>> array([[1, 2],
[4, 5],
[7, 8]])
a[0:2,:] # first two rows
>>> array([[1, 2, 3],
[4, 5, 6]])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.