Numpy 笔记: 多维数组的切片(slicing)和索引(indexing)【转】
目录
- 切片(slicing)操作
- 索引(indexing) 操作
- 最简单的情况
- 获取多个元素
- 切片和索引的同异
切片(slicing)操作
Numpy 中多维数组的切片操作与 Python 中 list 的切片操作一样,同样由 start, stop, step 三个部分组成
import numpy as nparr = np.arange(12) print 'array is:', arrslice_one = arr[:4] print 'slice begins at 0 and ends at 4 is:', slice_oneslice_two = arr[7:10] print 'slice begins at 7 and ends at 10 is:', slice_twoslice_three = arr[0:12:4] print 'slice begins at 0 and ends at 12 with step 4 is:', slice_three array is: [ 0 1 2 3 4 5 6 7 8 9 10 11] slice begins at 0 and ends at 4 is: [0 1 2 3] slice begins at 7 and ends at 10 is: [7 8 9] slice begins at 0 and ends at 12 with step 4 is: [0 4 8]
上述例子是一维数组的例子,如果是多维数组,将不同维度上的切片操作用 逗号 分开就好了
# coding: utf-8 import numpy as nparr = np.arange(12).reshape((3, 4)) print 'array is:' print arr# 取第一维的索引 1 到索引 2 之间的元素,也就是第二行 # 取第二维的索引 1 到索引 3 之间的元素,也就是第二列和第三列 slice_one = arr[1:2, 1:3] print 'first slice is:' print slice_one# 取第一维的全部 # 按步长为 2 取第二维的索引 0 到末尾 之间的元素,也就是第一列和第三列 slice_two = arr[:, ::2] print 'second slice is:' print slice_two array is: [[ 0 1 2 3][ 4 5 6 7][ 8 9 10 11]] first slice is: [[5 6]] second slice is: [[ 0 2][ 4 6][ 8 10]]
对于 slice_two,如果 arr 是用 Python 的 list 表示的,那么要得到相同的结果得像下面这样,相对来说就麻烦多了:
import numpy as nparr = np.arange(12).reshape((3, 4)).tolist()slice_two = [row[::2] for row in arr ] print slice_two [[0, 2], [4, 6], [8, 10]]
对于维数超过 3 的多维数组,还可以通过 '…' 来简化操作
# coding: utf-8 import numpy as nparr = np.arange(24).reshape((2, 3, 4))print arr[1, ...] # 等价于 arr[1, :, :] print arr[..., 1] # 等价于 arr[:, :, 1] [[12 13 14 15][16 17 18 19][20 21 22 23]] [[ 1 5 9][13 17 21]]
索引(indexing) 操作
最简单的情况
对于一个多维数组来说,最简单的情况就是访问其中一个特定位置的元素了,如下所示:
# coding: utf-8 import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16] ]) print '第二行第二列的值:', arr[1, 1] 第二行第二列的值: 4
相比之下,如果用 Python 的 list 来表示上述二维数组,获取同一个位置的元素的方法为:
# coding: utf-8 arr = [[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16] ] print '第二行第二列的值:', arr[1][1] try:print '第二行第二列的值(尝试用 Numpy 的方式获取):', arr[1, 1] except Exception as e:print str(e) 第二行第二列的值: 4 第二行第二列的值(尝试用 Numpy 的方式获取): list indices must be integers, not tuple
如果只是二维数组,这种差别可能看起来并不大,但想象一下假如有一个 10 维的数组,用 Python 的标准做法需要写 10 对中括号,而用 Numpy 依然只需要一对。
获取多个元素
事实上,在 Numpy 的索引操作方式 `x = arr[obj]` 中, obj 不仅仅可以是一个用逗号分隔开的数字序列,还可以是更复杂的内容。
用逗号分隔的数组序列
- 序列的长度和多维数组的维数要一致
- 序列中每个数组的长度要一致
import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16] ])print arr[[0, 2], [3, 1]] [4 6]
以上面这个例子来说,其含义是: 选择第一行和第三行,然后对第一行选择第四列,对第三行选择第二列。
boolean/mask index
这个不太好翻译,所以就用原来的英语表达。
所谓 boolean index,就是用一个由 boolean 类型值组成的数组来选择元素的方法。比如说对下面这样多维数组
array([[1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16]])
如果要取其中 值大于 5 的元素,就可以用上 boolean index 了,如下所示:
import numpy as nparr = np.array([[1, 2, 3, 4],[2, 4, 6, 8],[3, 6, 9, 12],[4, 8, 12, 16]]) mask = arr > 5print 'boolean mask is:' print maskprint arr[mask] boolean mask is: [[False False False False][False False True True][False True True True][False True True True]] [ 6 8 6 9 12 8 12 16]
除了比较运算能产生 boolean mask 数组以外, Numpy 本身也提供了一些工具方法:
- numpy.iscomplex
- numpy.isreal
- numpy.isfinite
- numpy.isinf
- numpy.isnan
切片和索引的同异
切片和索引都是访问多维数组中元素的方法,这是两者的共同点,不同之处有:
- 切片得到的是原多维数组的一个 视图(view) ,修改切片中的内容会导致原多维数组的内容也发生变化
- 切片得到在多维数组中连续(或按特定步长连续)排列的值,而索引可以得到任意位置的值,自由度更大一些
不考虑第一点的话,切片的操作是可以用索引操作来实现的,不过这没有必要就是了。
对于第一点,见下面的实验:
import numpy as nparr = np.arange(12).reshape(2, 6) print 'array is:' print arrslc = arr[:, 2:5] print 'slice is:' print slcslc[1, 2] = 10000 print 'modified slice is:' print slc print 'array is now:' print arr array is: [[ 0 1 2 3 4 5][ 6 7 8 9 10 11]] slice is: [[ 2 3 4][ 8 9 10]] modified slice is: [[ 2 3 4][ 8 9 10000]] array is now: [[ 0 1 2 3 4 5][ 6 7 8 9 10000 11]]
转自http://www.zmonster.me/2016/03/09/numpy-slicing-and-indexing.html
转载于:https://www.cnblogs.com/xiaoniu-666/p/10059854.html
Numpy 笔记: 多维数组的切片(slicing)和索引(indexing)【转】相关推荐
- 图解数据分析(9) | Numpy - 与1维数组操作(数据科学家入门·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/33 本文地址:https://www.showmeai.tech/article-d ...
- 图解数据分析(10) | Numpy - 与2维数组操作(数据科学家入门·完结)
作者:韩信子@ShowMeAI 教程地址:https://www.showmeai.tech/tutorials/33 本文地址:https://www.showmeai.tech/article-d ...
- python一维数组和二维数组_Python numpy实现二维数组和一维数组拼接的方法
Python numpy实现二维数组和一维数组拼接的方法 撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape ...
- Numpy之N维数组-ndarray
Numpy之N维数组-ndarray 1 ndarray的属性 数组属性反映了数组本身固有的信息. 属性名字 属性解释 ndarray.shape 数组维度的元组 [假如是8行5列的数组,将会返 ...
- numpy获取二维数组某一行、某一列
numpy获取二维数组某一行.某一列 1.需求 有一个二维数组: a = [[1, 2, 3, 4, 5, 6],[7, 8, 9, 10, 11, 12],[13.2, 14.8, 15.9, 16 ...
- Python numpy实现二维数组和一维数组拼接
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
- python一维数组和二维数组,Python numpy实现二维数组和一维数组拼接的方法
撰写时间:2017.5.23 一维数组 1.numpy初始化一维数组 a = np.array([1,2,3]); print a.shape 输出的值应该为(3,) 二维数组 2.numpy初始化二 ...
- NumPy 创建多维数组
NumPy 创建多维数组 arange 函数创建的数组作为列表元素,把这个列表作为参数传给 array 函数,从而创建了一个 2 × 2 的数组,而且没有出现任何报错信息. Example 1 #!/ ...
- python三维数组切片_【NumPy学习指南】day4 多维数组的切片和索引
ndarray支持在多维数组上的切片操作.为了方便起见,我们可以用一个省略号(...)来 表示遍历剩下的维度. (1)举例来说,我们先用arange函数创建一个数组并改变其维度,使之变成一个三维数组: ...
最新文章
- CNN在中文文本分类的应用
- 机房配电柜、机柜线缆施工标准做法及线缆入柜方式
- sklearn自学指南(part29)--高斯混合模型
- 魔性十足的数学动态图,这种东西都拿出来分享?
- php mongo 查询count,[PHP] 使用PHP在mongodb中进行count查询
- MySQL内核月报 2014.09-MySQL· 捉虫动态·auto_increment
- button html ios,iOS实现UIButton图标和文字上下布局
- c语言小车路径规划算法,小车自动避障及路径规划.doc
- creator小功能----浅谈cc.Director与 资源加载策略
- 破解校园数字安全难点,联想推出智慧教育安全体系
- ICML 2021奖项公布!谷歌大脑摘得桂冠,田渊栋、陆昱成获荣誉提名!
- 初中计算机课件flash,初中数学flash课件(共100个)
- Android8 for 9300,三星G9300官方固件rom刷机包 G9300ZCS3CRI1 安卓8.0
- MTK平台CAMERA驱动框架解析
- python 根据名称获取pid_python 使用标准库根据进程名获取进程的pid
- jQuery读书笔记(一)
- SLAM学习笔记《Past, Present, and Future of Simultaneous Localization and Mapping: Toward the Robust-Per》
- 跟着hzw学习数列分块
- 程序员不爱炫富?不,那是你了解的程序员
- Cadence Virtuoso IC617练习一反相器
热门文章
- vue定义对象变量并合并成新的对象
- Python入门之三元表达式\列表推导式\生成器表达式\递归匿名函数\内置函数
- JVM体系结构与工作方式
- java 蓝桥杯算法训练 求完数(题解)
- (92)Verilog HDL系统函数和任务:$fclose
- oracle强制走索引_实验验证:Oracle聚簇因子对索引使用的影响
- graphpad图片怎么导出矢量图_为何我的文章图片总是不满足杂志社要求?
- python dlib人脸检测_使用Python+OpenCV+Dlib实现人脸检测与人脸特征关键点识别
- 计算机网络(七)——无线局域网
- Pentium的指令系统(5)——调用/转移/循环控制/中断指令