numpy 數組切片索引

Question

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？

Answer 1

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]

Answer 2

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]])