NumPy疑难问题---1、NumPy切片操作

NumPy疑难问题---1、NumPy切片操作

一、总结

一句话总结：

numpy切片结构：array[start:stop:step,start:stop:step]，前面的start:stop:step表示行，后面的start:stop:step表示列，具体细节和python切片操作一样

arr1=np.arange(1,17).reshape((4,4))
print(arr1)
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

print(arr1[1:3,1::2])
[[ 6  8]
 [10 12]]

 

 

1、NumPy切片操作和Python切片操作 的区别？

Python切片操作是一组start:stop:step，NumPy切片操作有两组start:stop:step，前一组表示对行进行操作，后一组表示对列进行操作，具体使用细节都是一样的。

Python切片操作一般是对一维的列表、元组、字符串等进行切片，所以是一组start:stop:step。

NumPy切片操作 一般是对多维数组进行切片，所以有两组start:stop:step，前一组表示对行进行操作，后一组表示对列进行操作。

具体使用细节都是一样的：索引和步长都是有正有负，效果都一样。

 

 

二、NumPy切片操作

博客对应课程的视频位置：1、NumPy切片操作-范仁义-读书编程笔记
https://www.fanrenyi.com/video/44/378

 

numpy切片结构：

array[start:stop:step,start:stop:step]
前面的start:stop:step表示行，后面的start:stop:step表示列

numpy切片使用规则和python中的切片非常相似，start和stop索引有正有负，step也可正负

表示行时，step为正表示从上往下，step为负表示从下往上，step的绝对值表示步长
表示列时，step为正表示从左往右，step为负表示从右往左，step的绝对值表示步长

我们以如下数组为例进行讲解

 

 

NumPy切片操作和Python切片操作 的区别

Python切片操作一般是对一维的列表、元组、字符串等进行切片，所以是一组start:stop:step。

NumPy切片操作 一般是对多维数组进行切片，所以有两组start:stop:step，前一组表示对行进行操作，后一组表示对列进行操作。

具体使用细节都是一样的：索引和步长都是有正有负，效果都一样。

In [1]:

import numpy as np

In [2]:

arr1=np.arange(1,17).reshape((4,4))
print(arr1)

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

1、切取单个值

In [3]:

print(arr1[1])

[5 6 7 8]

In [4]:

print(arr1[-1])

[13 14 15 16]

In [5]:

print(arr1[1,1])

6

In [6]:

print(arr1[1,-2])

7

2、读取行

In [7]:

print(arr1[1:3])

[[ 5  6  7  8]
 [ 9 10 11 12]]

In [9]:

print(arr1[1:3:-1])

[]

In [10]:

print(arr1[3:1:-1])

[[13 14 15 16]
 [ 9 10 11 12]]

In [11]:

print(arr1[:1:-1])

[[13 14 15 16]
 [ 9 10 11 12]]

In [12]:

print(arr1[:-3:-1])

[[13 14 15 16]
 [ 9 10 11 12]]

In [13]:

print(arr1[1:])

[[ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

In [14]:

print(arr1[:3:2])

[[ 1  2  3  4]
 [ 9 10 11 12]]

In [15]:

print(arr1[-3:-1])

[[ 5  6  7  8]
 [ 9 10 11 12]]

In [16]:

print(arr1[-3:-1:-1])

[]

In [17]:

print(arr1[-3:3])

[[ 5  6  7  8]
 [ 9 10 11 12]]

3、读取行和列

In [18]:

arr1=np.arange(1,17).reshape((4,4))
print(arr1)

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

In [19]:

print(arr1[1:3,1:3])

[[ 6  7]
 [10 11]]

In [20]:

print(arr1[1:3,:1:-1])

[[ 8  7]
 [12 11]]

In [21]:

print(arr1[1:3,-1::-1])

[[ 8  7  6  5]
 [12 11 10  9]]

In [22]:

print(arr1[1:3,1:])

[[ 6  7  8]
 [10 11 12]]

In [23]:

print(arr1[1:3,3::-2])

[[ 8  6]
 [12 10]]

In [24]:

print(arr1[:,1::2])

[[ 2  4]
 [ 6  8]
 [10 12]
 [14 16]]

In [25]:

print(arr1[:,:])

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

In [27]:

print(arr1[::,::])

[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]
 [13 14 15 16]]

4、使用注意

逗号前面的参数省略必须留一个冒号，表示有参数并且省略了，不然会报错

In [26]:

print(arr1[,:])

  File "<ipython-input-26-e911698203d0>", line 1
    print(arr1[,:])
               ^
SyntaxError: invalid syntax

In [28]:

print(arr1[,])

  File "<ipython-input-28-204ce1458cbd>", line 1
    print(arr1[,])
               ^
SyntaxError: invalid syntax

In [ ]: