numpy 数组的访问方式主要由索引(indexing)、切片（slicing）、迭代（iterating）,本节中主要以例子为讲解其访问方式

一维数组

一维数组访问方式，首先创建一个一维数

>>> a = np.arange(10)**3
>>> a
array([  0,   1,   8,  27,  64, 125, 216, 343, 512, 729])

按照索引方式访问数组a的，其中index是从0开始，分别访问index为2 和5的元素：

>>> a[2]
8
>>> a[5]
125

有的时候需要连续访问几个元素，可以用到切片访问，切片相当切蛋糕一样，从数组a中切出一块（块中的元素index是连续的），例如连续访问a中从2到4的几个元素

>>> a[2:5]
array([ 8, 27, 64])

注意以上切片范围左边为半闭区间，右边为半开区间即元素从2开始，到5之前结束，并不等于5， a[c:d]大于等于c小于d的元素集合

还可以按照指定的间隔，默认情况下间隔为1，将间隔该为2，修改index 6之前的元素为-1000：

>>>a[:6:2] = -1000
>>>a
array([-1000,     1, -1000,    27, -1000,   125,   216,   343,   512,   729])

继续进行如果间隔为-1,则将其整个数组反转，次序颠倒

>>> a[ : :-1]
array([  729,   512,   343,   216,   125, -1000,    27, -1000,     1, -1000])

除了上述访问，还可以迭代访问元素中的所有值

>>> for i in a:
...     print(i**(1/3.))
...
nan
1.0
nan
3.0
nan
5.0
6.0
7.0
8.0
9.0

多维数组

多维数组可以按照每轴（维）的index 进行处理，可以以元组形式表示，没维的index使用逗号分开

首先创建一个多维数组

import numpy as np>>>def f(x,y):return 10*x+y>>> b = np.fromfunction(f,(5,4),dtype=int)
>>> b
array([[ 0,  1,  2,  3],[10, 11, 12, 13],[20, 21, 22, 23],[30, 31, 32, 33],[40, 41, 42, 43]])

按照索引访问第2行第三列的元素，b[2,3]:

>>> b[2,3]
23

按照切片方式，访问每行的第一列的元素

>>>b[0:5, 1]
array([ 1, 11, 21, 31, 41])

访问每行的第一列的元素,还可以使用以下方式

>>>b[ : ,1]
array([ 1, 11, 21, 31, 41])

访问第1和2行所有的元素：

>>>  b[1:3, : ]
array([[10, 11, 12, 13],[20, 21, 22, 23]])

迭代访问，可以按照每行进行迭代：

>>> for row in b:print(row)[0 1 2 3]
[10 11 12 13]
[20 21 22 23]
[30 31 32 33]
[40 41 42 43]

当提供的索引数数少于轴数是，缺失的那部分则认为为全部的， b[-1]代表访问最后一行元素

>>> b[-1]
array([40, 41, 42, 43])

带小数点省略的访问方式

除了上述几种访问方式是，还有另外一种方式就是使用小数点进行省略'...'，小数点代表了访问该轴（维）的所有元素，例如

有一个5轴（维）的数组，

x[1,2,...]相当于x[1,2,:,:,:]
x[...,3]相当于x[:,:,:,:,3]
x[4,...,5,:]相当于x[4,:,:,5,:]

例子如下：

import numpy as npc=np.array([[[  0,  1,  2],[ 10, 12, 13]],[[100,101,102],[110,112,113]]])
print("c: ", c)
print("c shape: ", c.shape)
print("c[1,...]: ", c[1,...])
print("c[...,2]: ", c[...,2])

运行结果：

c:  [[[  0   1   2][ 10  12  13]][[100 101 102][110 112 113]]]
c shape:  (2, 2, 3)
c[1,...]:  [[100 101 102][110 112 113]]
c[...,2]:  [[  2  13][102 113]]

多维迭代

一般多维迭代是按照一行进行迭代访问的，例如

import numpy as npc=np.array([[[  0,  1,  2],[ 10, 12, 13]],[[100,101,102],[110,112,113]]])
for row in c:print(row)

运行结果：

[[ 0  1  2][10 12 13]]
[[100 101 102][110 112 113]]

也可以按照每个具体的元素进行访问

import numpy as npc=np.array([[[  0,  1,  2],[ 10, 12, 13]],[[100,101,102],[110,112,113]]])
for element in c.flat:print(element)

运行结果：

numpy 数组访问方式_索引、切片、迭代相关推荐

【C 语言】指针与数组 ( 指针 | 数组 | 指针运算 | 数组访问方式 | 字符串 | 指针数组 | 数组指针 | 多维数组 | 多维指针 | 数组参数 | 函数指针 | 复杂指针解读)
相关文章链接 : 1.[嵌入式开发]C语言指针数组多维数组 2.[嵌入式开发]C语言命令行参数函数指针 gdb调试 3.[嵌入式开发]C语言结构体相关的函数指针数组 4.[嵌入式开发 ...
『Numpy』内存分析_高级切片和内存数据解析
在计算机中,没有任何数据类型是固定的,完全取决于如何看待这片数据的内存区域. 在numpy.ndarray.view中,提供对内存区域不同的切割方式,来完成数据类型的转换,而无须要对数据进行额外的co ...
python中numpy数组的合并_基于Python中numpy数组的合并实例讲解
基于Python中numpy数组的合并实例讲解 Python中numpy数组的合并有很多方法,如 - np.append() - np.concatenate() - np.stack() - np. ...
numpy和pandas的基础索引切片
Numpy的索引切片索引 In [72]: arr = np.array([[[1,1,1],[2,2,2]],[[3,3,3],[4,4,4]]]) In [73]: arr Out[73]: a ...
Oracle 表的访问方式(2)-----索引扫描
索引扫描(Index scan) 我们先通过index查找到数据对应的rowid值(对于非唯一索引可能返回多个rowid值),然后根据rowid直接从表中得到具体的数据,这种查找方式称为索引扫描或索引 ...
【python】list 删除列表中某个元素的3种方法；附加删除numpy数组中的指定索引元素的方法
方法 python中关于删除list中的某个元素,一般有三种方法: remove.pop.del 实例 1.remove: 删除单个元素,删除首个符合条件的元素,按值删除 2.pop: 删除单个或多个 ...
python计算警告：overflow encountered in exp（指数函数溢出）（sigmoid函数的numpy数组计算方式）
文章目录前言原因解决方法 1.对sigmoid函数实现的优化,使`np.exp(-x)`的值始终小于1 2.用这个公式替代(没试过,不知好不好用) 前言在计算sigmoid函数值时,出现了以下 ...
python的数组批量赋值_python – 为numpy数组赋值的花式索引
通常,当您使用数组以这种方式索引另一个数组时,numpy期望每个数组R,C等具有相同的形状.例如,假设您要从此数组中提取非零值: >>> a array([[1, 3, 0, 0], ...
Numpy 数组的其他函数--索引argwhere、去重unique、排序sort
1.numpy.argwhere() 该函数返回数组中非О元素的索引,若是多维数组则返回行.列索引组成的索引坐标. import numpy as np x=np.arange(6).reshape( ...

numpy 数组访问方式_索引、切片、迭代

一维数组

多维数组

带小数点省略的访问方式

多维迭代

numpy 数组访问方式_索引、切片、迭代相关推荐

最新文章

热门文章