Python numpy 入门系列 07 切片和索引

NumPy 切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。

ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行（不包含stop），从原数组中切割出一个新数组。

实例

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2； 注意：不包含7
print (a[s])

输出结果为：

[2  4  6]

以上实例中，我们首先通过 arange() 函数创建 ndarray 对象。 然后，分别设置起始，终止和步长的参数为 2，7 和 2。

我们也可以通过冒号分隔切片参数 start:stop:step 来进行切片操作：

实例

import numpy as np
 
a = np.arange(10)  
b = a[2:7:2]   # 从索引 2 开始，到索引 7 停止，间隔为 2； 注意：不包含7
print(b)

输出结果为：

[2  4  6]

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

实例

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
b = a[5] 
print(b)

输出结果为：

5

实例

import numpy as np
 
a = np.arange(10)
print(a[2:])

 输出结果为：

[2  3  4  5  6  7  8  9]

实例

import numpy as np
 
a = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])

输出结果为：

[2  3  4]

多维数组同样适用上述索引提取方法：

实例

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])

输出结果为：

[[1 2 3]
 [3 4 5]
 [4 5 6]]
从数组索引 a[1:] 处开始切割
[[3 4 5]
 [4 5 6]]

 

切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

实例

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])  
print (a[...,1])   # 第2列元素
print (a[1,...])   # 第2行元素
print (a[...,1:])  # 第2列及剩下的所有元素

输出结果为：

[2 4 5] # 第2列元素
[3 4 5] # 第2行元素
[[2 3]
 [4 5]
 [5 6]]

 

一维数组：

import numpy as np

arr = np.array([1, 2, 3, 4])

print(arr[2] + arr[3])

 

二维数组：

import numpy as np

arr = np.array([[1,2,3,4,5], [6,7,8,9,10]])

print('5th element on 2nd dim: ', arr[1, 4]) # 10   arr[1][4]

 

三维数组：

import numpy as np

arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])

print(arr[0, 1, 2]) # 6   arr[0][1][2]

 

 

 

 

 

 

 Python numpy 入门系列 目录

REF

https://www.w3school.com.cn/python/numpy_array_indexing.asp

http://c.biancheng.net/view/8289.html

https://www.codingdict.com/article/8223

https://www.wenjiangs.com/doc/numpy-advancedindex

https://www.runoob.com/numpy/numpy-indexing-and-slicing.html

https://blog.csdn.net/liangzuojiayi/article/details/51534164