如果对象是二维数组，则切片应当是x[:]的形式，里面有一个冒号，冒号之前和之后分别表示对象的第0个维度和第1个维度；

如果对象是三维数组，则切片应当是x[::]，里面有两个冒号，分割出三个间隔，三个间隔的前、中和后分别表示对象的第0、1、2个维度。

x[n,:]、x[:,n]、x[m:n,:]、x[:,m:n]

上面的中括号中(m:n)应当看成一个整体，除了(m:n)之外的冒号就是用来表明在哪个维度上操作的。

对于二维数组，在冒号前面的(n,)意味着对二维数组的第0个维度上的第n号元素操作，在冒号后面的(,n)意味着对二维数组的第1个维度上的第n号元素进行操作。如果n替换成(m:n)则表示对第m号到第n-1号元素操作。

举例：

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]])

print(a.shape)

print(a[0, :], a[0, :].shape)

print(a[1, :], a[1, :].shape)

print(a[-1, :], a[-1, :].shape)

print(a[0:2, :], a[0:2, :].shape)

print(a[:, 0], a[:, 0].shape)

print(a[:, 1], a[:, 1].shape)

print(a[:, -1], a[:, -1].shape)

print(a[:, 0:2], a[:, 0:2].shape)

运行结果如下：

(5, 4)

[1 2 3 4] (4,)

[5 6 7 8] (4,)

[17 18 19 20] (4,)

[[1 2 3 4]

[5 6 7 8]] (2, 4)

[ 1 5 9 13 17] (5,)

[ 2 6 10 14 18] (5,)

[ 4 8 12 16 20] (5,)

[[ 1 2]

[ 5 6]

[ 9 10]

[13 14]

[17 18]] (5, 2)

Process finished with exit code 0

上例中，a是shape=(5,4)的数组。第0个维度上有5个元素，第1个维度上有4个元素(元素不一定是单个值， 也可能是数组，这里的元素的叫法是相对于某个维度而言的)。

a[0, :]、a[1, :]、a[-1, :]分别提取了a的第0个维度上的第0、1和-1个元素，每个元素都是一个含有4个元素的数组。

a[0:2, :]提取了a的第0个维度上的第0和1两个元素，两个元素都是一个含有4个元素的数组，共同组成一个二维数组。

a[:, 0]、a[:, 1]、a[:, -1]分别提取了a的第1个维度上的0、1和-1个元素，每个元素都是单个元素值。

a[:, 0:2]提取了a的第1个维度上的第0和1两个元素，两个元素都是单个元素值，共同组成一个二维数组。

x[n,::]、x[:,n:]、x[::,n]、x[:,:,n]、x[m:n,::]、x[:,m:n:]、x[::,m:n]、x[:,:,m:n]

上面的中括号中(m:n)应当看成一个整体，除了(m:n)之外的两个冒号就是用来表明在哪个维度上操作的。

对于三维数组，在双冒号的最前面的(n,)意味着对三维数组的第0个维度上的第n号元素操作，在双冒号的中间的(,n)意味着对三维数组的第1个维度上的第n号元素进行操作，在双冒号的后面的(,n)意味着对三维数组的第2个维度上的第n号元素进行操作。如果n替换成(m:n)则表示对第m号到第n-1号元素操作。

举例：

import numpy as np

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

[[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]],

[[25, 26, 27, 28], [29, 30, 31, 32], [33, 34, 35, 36]],

])

print(b.shape)

print("b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]")

print(b[0, ::], b[0, ::].shape)

print(b[1, ::], b[1, ::].shape)

print(b[-1, ::], b[-1, ::].shape)

print(b[0:2, ::], b[0:2, ::].shape)

print("b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]")

print(b[:, 0:], b[:, 0:].shape)

print(b[:, 1:], b[:, 1:].shape)

print(b[:, -1:], b[:, -1:].shape)

print(b[:, 0:2:], b[:, 0:2:].shape)

print("b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]")

print(b[::, 0], b[::, 0].shape)

print(b[::, 1], b[::, 1].shape)

print(b[::, -1], b[::, -1].shape)

print(b[::, 0:2:], b[::, 0:2].shape)

print("b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]")

print(b[:, :, 0], b[:, :, 0].shape)

print(b[:, :, 1], b[:, :, 1].shape)

print(b[:, :, -1], b[:, :, -1].shape)

print(b[:, :, 0:2:], b[:, :, 0:2].shape)

运行结果如下：

(3, 3, 4)

b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]

[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]] (3, 4)

[[13 14 15 16]

[17 18 19 20]

[21 22 23 24]] (3, 4)

[[25 26 27 28]

[29 30 31 32]

[33 34 35 36]] (3, 4)

[[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]]

[[13 14 15 16]

[17 18 19 20]

[21 22 23 24]]] (2, 3, 4)

b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]

[[[ 1 2 3 4]

[ 5 6 7 8]

[ 9 10 11 12]]

[[13 14 15 16]

[17 18 19 20]

[21 22 23 24]]

[[25 26 27 28]

[29 30 31 32]

[33 34 35 36]]] (3, 3, 4)

[[[ 5 6 7 8]

[ 9 10 11 12]]

[[17 18 19 20]

[21 22 23 24]]

[[29 30 31 32]

[33 34 35 36]]] (3, 2, 4)

[[[ 9 10 11 12]]

[[21 22 23 24]]

[[33 34 35 36]]] (3, 1, 4)

[[[ 1 2 3 4]

[ 5 6 7 8]]

[[13 14 15 16]

[17 18 19 20]]

[[25 26 27 28]

[29 30 31 32]]] (3, 2, 4)

b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]

[[ 1 2 3 4]

[13 14 15 16]

[25 26 27 28]] (3, 4)

[[ 5 6 7 8]

[17 18 19 20]

[29 30 31 32]] (3, 4)

[[ 9 10 11 12]

[21 22 23 24]

[33 34 35 36]] (3, 4)

[[[ 1 2 3 4]

[ 5 6 7 8]]

[[13 14 15 16]

[17 18 19 20]]

[[25 26 27 28]

[29 30 31 32]]] (3, 2, 4)

b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]

[[ 1 5 9]

[13 17 21]

[25 29 33]] (3, 3)

[[ 2 6 10]

[14 18 22]

[26 30 34]] (3, 3)

[[ 4 8 12]

[16 20 24]

[28 32 36]] (3, 3)

[[[ 1 2]

[ 5 6]

[ 9 10]]

[[13 14]

[17 18]

[21 22]]

[[25 26]

[29 30]

[33 34]]] (3, 3, 2)

Process finished with exit code 0

上例中，b是shape=(3,3,4)的数组。第0个维度上有3个元素，第1个维度上有3个元素，第2个维度上有4个元素(元素不一定是单个值， 也可能是数组，这里的元素的叫法是相对于某个维度而言的)。

b[0, ::]、b[1, ::]、b[-1, ::]分别提取了b的第0个维度上的第0、1和-1个元素，每个元素都是一个二维数组。

b[0:2, ::]提取了b的第0个维度上的第0和1两个元素，两个元素都是一个二维数组，共同组成一个三维数组。

b[:, 0:]、b[:, 1:]、b[:, -1:]分别提取了b的全部元素(都是由4个元素的单个数组)、b的第1个维度上除第0号外的所有元素(都是由4个元素的单个数组)、b的第1个维度上的所有最后一个位置上的元素(都是由4个元素的单个数组)。

b[:, 0:2:]提取了b的第1个维度上的第0和1两个元素，两个元素都是一个有4个元素的数组，共同组成一个三维数组。

b[::, 0]、b[::, 1]、b[::, -1]分别提取了b的第2个维度上的0、1和-1个元素（这里的元素就是单个有4个元素的数组），每个元素都是有4个元素的数组。

b[::, 0:2]提取了b的第2个维度上的第0和1两个元素（这里的元素就是单个有4个元素的数组），两个元素都是有4个元素的数组。

b[:,:, 0]、b[:,:, 1]、b[:,:, -1]分别提取了b的第2个维度的所有元素（即有4个元素的数组）中的第0、1和-1个元素值，每个元素都是单个元素值。

b[:,:, 0:2]提取了b的第2个维度的所有元素（即有4个元素的数组）中的第0和1两个元素值，两个元素都是单个元素值。

python 将三维数据转为二维_Python二维数组与三维数组切片详解相关推荐

1. 检查python是否安装成功的命令是_Python 中的pygame安装与配置教程详解

   安装软件环境及版本说明 OS: Win10 x 64 专业版 Python: 2.7 IDE: PyCharm Community 2018 1. 安装python 1)下载并安装python pyt ...

2. python脚本根据cookies自动登录网站_python模拟登录并且保持cookie的方法详解

   前言 最近在爬行 nosec.org 的数据,看了下需要模拟登录拿到cookie后才能访问想抓的数据,重要的是 nosec.org 的登录页面 form 中有个 authenticity_token ...

3. python中的map什么意思啊_python中的map怎么使用（方法详解）

   python中的map怎么使用? python中map的使用方法: map函数的原型是map(function, iterable, -),它的返回结果是一个列表. 参数function传的是一个函数 ...

4. python统计奇数和偶数的个数_Python 统计位数为偶数的数字代码详解

   问题描述 给出一个整数数组 nums,请返回其中位数为偶数的数字的个数. 示例 1: 输入:nums = [12,345,2,6,7896] 输出:2 解释: 12 是 2 位数字(位数为偶数) 34 ...

5. python画二维散点图-基于python 二维数组及画图的实例详解

   1.二维数组取值 注:不管是二维数组,还是一维数组,数组里的数据类型要一模一样,即若是数值型,全为数值型 #二维数组 import numpy as np list1=[[1.73,1.68,1.71 ...

6. python画二维数组散点图_基于python二维数组及画图的实例详解

   基于python二维数组及画图的实例详解 下面小编就为大家分享一篇基于python 二维数组及画图的实例详解,具有很好的参考价值,希望对大家有所帮助.一起跟随小编过来看看吧 1.二维数组取值 注:不管 ...

7. python数组相减_对Python 中矩阵或者数组相减的法则详解

   对Python 中矩阵或者数组相减的法则详解 最近在做编程练习,发现有些结果的值与答案相差较大,通过分析比较得出结论,大概过程如下: 定义了一个计算损失的函数: def error(yhat,labe ...

8. [Python从零到壹] 四十七.图像增强及运算篇之腐蚀和膨胀详解

   欢迎大家来到"Python从零到壹",在这里我将分享约200篇Python系列文章,带大家一起去学习和玩耍,看看Python这个有趣的世界.所有文章都将结合案例.代码和作者的经验讲 ...

9. 第7.26节 Python中的@property装饰器定义属性访问方法getter、setter、deleter 详解

   第7.26节 Python中的@property装饰器定义属性访问方法getter.setter.deleter 详解 一.    引言 Python中的装饰器在前面接触过,老猿还没有深入展开介绍装饰 ...

10. python 三维数据绘制等值高线剖面图_Matplotlib中的三维绘图

    Matplotlib最初设计时只考虑了二维绘图.在1.0版本发布时,一些三维绘图实用程序构建在Matplotlib的二维显示之上,结果是一组方便(如果有限)的三维数据可视化工具.通过导入mplot3d ...

最新文章

1. KVM-QEMU基本工作原理分析（二）
2. 意大利罗马银行连环抢劫案告破 一名警察涉案
3. 两个主机mtu不相同_案例详解：MTU不一致导致主机和RAC不断重启
4. HTML5如何制作轮播透明效果,js前端开发实现banner轮播透明切换
5. 【Java】Java反射机制重点总结
6. UVa 1225 Digit Counting 题解
7. optional用法_还在重复写空指针检查代码？考虑使用 Optional 吧！
8. 嵌入式工作笔记0005---嵌入式发展和组成
9. Ubunu16.04安装CPU版本Tensorflow
10. java-Socket文件传输
11. javascript的数组和数组元素的遍历，实现全国省份和城市一览表
12. 风机风向玫瑰图原理！
13. 安卓9.0设置以太网静态IP地址
14. G - A Question of Ingestion 动态规划
15. Spring Native实战
16. 任务四：Crypto学习
17. 【IntelliJ IDEA】idea修改文件的file is read-only
18. Samba文件服务器
19. 零基础入门，花生壳骨灰级微信小程序开发教程
20. flutter报错: [!] Automatically assigning platform `iOS` with version `8.0` on target `Runner` becaus

热门文章

1. ThinkBook15电脑开机出现绿屏错误代码无法使用解决方法
2. python获取浏览器Cookies作业
3. mvc cookies
4. Android自定义控件——仿淘宝、网易、彩票等广告条、Banner的制作
5. 阿里云计算资深总监唐洪：飞天大规模分布式计算系统解析
6. MSDN SmartCast更改下载步骤
7. [源码和文档分享]基于Cocos2d-x实现的畜不及防鬼畜音乐节奏游戏
8. 一文理解Linux的基本指令（下）（三分钟学会Linux基本指令）
9. TerminateProcess 和 CreateProcess
10. Monthly Expense（二分）