Numpy中np.indices函数用法详解

np.indices官方文档定义如下:

def indices(dimensions, dtype=int, sparse=False):"""Return an array representing the indices of a grid.Compute an array where the subarrays contain index values 0, 1, ...varying only along the corresponding axis.Parameters----------dimensions : sequence of intsThe shape of the grid.dtype : dtype, optionalData type of the result.sparse : boolean, optionalReturn a sparse representation of the grid instead of a denserepresentation. Default is False... versionadded:: 1.17Returns-------grid : one ndarray or tuple of ndarraysIf sparse is False:Returns one array of grid indices,``grid.shape = (len(dimensions),) + tuple(dimensions)``.If sparse is True:Returns a tuple of arrays, with``grid[i].shape = (1, ..., 1, dimensions[i], 1, ..., 1)`` withdimensions[i] in the ith place

官方文档中的描述较为抽象，简单来说。np.indices的作用就是返回一个给定形状数组的序号网格数组，可以用于提取数组元素或对数组进行切片使用。请看下面的例子：

实例：

import numpy as npx = np.arange(20).reshape((5,4))
dense_grid = np.indices((2,3))                  #返回一个2x3网格序列,密集分布，每个行号和列号一一对应，表示一个位置的元素。
sparse_grid  = np.indices((2,3),sparse= True)   #返回一个松散排布的2x3网格的行分布和列分布元组,行号和列号不是一一对应，一个行号对应多个列号。print("x:\n",x)
print("x.shape:",x.shape)print("================================")print("dense_grid:\n",dense_grid)
print("================================")
print("行序号:\n",dense_grid[0])
print()
print("列序号:\n ",dense_grid[1])
print("\n")
print("切片效果:\n", x[dense_grid[0],dense_grid[1]])           #等效于x[:2,:3]切片效果print("================================")
print("sparse_grid:\n",sparse_grid)
print("================================")print("切片效果: \n",x[sparse_grid])                           #等效于x[:2,:3]切片效果

运行结果：
x:
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
x.shape: (5, 4)
================================
dense_grid: #密集分布，行号和列号一一对应，例如(0,0)位置表示元素0,(1,0)位置表示元素4,以此类推。
[[[0 0 0]
[1 1 1]]
[[0 1 2]
[0 1 2]]]
================================
行序号:
[[0 0 0]
[1 1 1]]
列序号:
[[0 1 2]
[0 1 2]]
切片效果: #利用密集网格实现了对原数组两行三列的一个子数组的截取，等效于x[:2,:3]
[[0 1 2]
[4 5 6]]
================================
sparse_grid: #松散分布,元组的第一个参数表示行号，第二个参数表示列号。
(array([[0],
[1]]), array([[0, 1, 2]]))
================================
切片效果: #利用松散网格实现了对原数组两行三列的一个子数组的截取，等效于x[:2,:3]
[[0 1 2]
[4 5 6]]

总结: np.indices((2,3),sparse= True)返回一个2x3形状的数组的序号网格，设定spare=True时返回的是一个松散分布的行分布和列分布的元组，相反spare=False时返回的是一个行号和列号一一对应序号网格，这个序号网格可以用于实现数组的切片操作。

Numpy中np.indices函数用法详解相关推荐

python explode_pandas dataframe 中的explode函数用法详解
在使用 pandas 进行数据分析的过程中,我们常常会遇到将一行数据展开成多行的需求,多么希望能有一个类似于 hive sql 中的 explode 函数. 这个函数如下: Code # !/usr/ ...
C++ 中的getline()函数用法详解
遇到了要输入一行字符串的操作,我想除了fgets()的方法(fgets()用法链接),getline()也是可以的,但是我对getline的操作不熟悉,便查阅了很多资料,发现都说的很模糊,借这个机会我 ...
C++中的set函数用法详解
1.关于set C++ STL 之所以得到广泛的赞誉,也被很多人使用,不只是提供了像vector, string, list等方便的容器,更重要的是STL封装了许多复杂的数据结构算法和大量常用数据结构 ...
python中mat函数_Python中flatten( )函数及函数用法详解
flatten()函数用法 flatten是numpy.ndarray.flatten的一个函数,即返回一个一维数组. flatten只能适用于numpy对象,即array或者mat,普通的list列 ...
C++中substr()函数用法详解
C++中substr()函数用法详解原型: string substr (size_t pos = 0, size_t len = npos) const; 返回一个新构造的string对象,其值初 ...
c++ memset 语言_C++中memset函数用法详解
本文实例讲述了C++中memset函数用法.分享给大家供大家参考,具体如下: 功能: 将s所指向的某一块内存中的每个字节的内容全部设置为ch指定的ASCII值,块的大小由第三个参数指定,这个函数通常 ...
python中如何反解函数_PyTorch中反卷积的用法详解
pytorch中的 2D 卷积层和 2D 反卷积层函数分别如下: class torch.nn.Conv2d(in_channels, out_channels, kernel_size, str ...
python中import re_Python3中正则模块re.compile、re.match及re.search函数用法详解
本文实例讲述了Python3中正则模块re.compile.re.match及re.search函数用法.分享给大家供大家参考,具体如下: re模块 re.compile.re.match. re.s ...
python中isinstance怎么用_pythonisinstance函数用法详解
这篇文章主要介绍了python isinstance函数用法详解,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下 isinstance() 函数来判断 ...

Numpy中np.indices函数用法详解

Numpy中np.indices函数用法详解相关推荐

最新文章

热门文章