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：>>>b=np.arange(24).reshape(2,3,4)

>>> b.shape

(2L, 3L, 4L)

>>> b

array([[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]],

[[12, 13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]]])

多维数组b中有0~23的整数，共24个元素，是一个2×3×4的三维数组。我们可以形象地把它看做一个两层楼建筑，每层楼有12个房间，并排列成3行4列。或者，我们也可以将其看成是电子表格中工作表（sheet）、行和列的关系。你可能已经猜到，reshape函数的作用是改变数组的“形状”，也就是改变数组的维度，其参数为一个正整数元组，分别指定数组在每个维度上的大小。如果指定的维度和数组的元素数目不相吻合，函数将抛出异常。

（2）我们可以用三维坐标来选定任意一个房间，即楼层、行号和列号。例如，选定第1层楼、第1行、第1列的房间（也可以说是第0层楼、第0行、第0列，这只是习惯问题），可以这样表示：>>>b[0,0,0]

(3)如果我们不关心楼层，也就是说要选取所有楼层的第1行、第1列的房间，那么可以将第1个下标用英文标点的冒号:来代替：>>>b[:,0,0]

array([0, 12])

>>>b[0]

array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

我们还可以这样写，选取第1层楼的所有房间：>>>b[0,:,:]

array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

多个冒号可以用一个省略号（...）来代替，因此上面的代码等价于：>>>b[0,...]array([[0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]])

进而可以选取第1层楼、第2排的所有房间：>>>b[0,1]

array([4,5, 6, 7])

(4) 再进一步，我们可以在上面的数组切片中间隔地选定元素：>>>b[0,1,::2]

array([4,6])

(5) 如果要选取所有楼层的位于第2列的房间，即不指定楼层和行号，用如下代码即可：>>>b[...,1]

array([[1, 5, 9],

[13, 17, 21]])

类似地，我们可以选取所有位于第2行的房间，而不指定楼层和列号：>>>b[:,1]

array([[4, 5, 6, 7],

[16, 17, 18, 19]])

如果要选取第1层楼的所有位于第2列的房间，在对应的两个维度上指定即可：>>>b[0,:,1]

array([1,5, 9])

(6)如果要选取第1层楼的最后一列的所有房间，使用如下代码：>>>b[0,:,-1]

array([3, 7, 11])

如果要反向选取第1层楼的最后一列的所有房间，使用如下代码：>>>b[0,::-1,-1]

array([11, 7, 3])

在该数组切片中间隔地选定元素：>>>b[0,::2,-1]

array([3, 11])

如果在多维数组中执行翻转一维数组的命令，将在最前面的维度上翻转元素的顺序，在我们

的例子中将把第1层楼和第2层楼的房间交换：>>>b[::-1]

array([[[12,13, 14, 15],

[16, 17, 18, 19],

[20, 21, 22, 23]],

[[ 0, 1, 2, 3],

[ 4, 5, 6, 7],

[ 8, 9, 10, 11]]])

刚才做了些什么

我们用各种方法对一个NumPy多维数组进行了切片操作。

python三维数组切片_【NumPy学习指南】day4 多维数组的切片和索引相关推荐

《Python数据分析基础教程：NumPy学习指南（第2版）》笔记5：第三章常用函数1——文件读写、算术平均值、最大值最小值、极值
本章将介绍NumPy的常用函数.具体来说,我们将以分析历史股价为例,介绍怎样从文件中载入数据,以及怎样使用NumPy的基本数学和统计分析函数.这里还将学习读写文件的方法,并尝试函数式编程和NumPy线 ...
《Python数据分析基础教程：NumPy学习指南（第2版）》笔记4：第二章 NumPy基础3——数组的组合、分割，数组转换为列表
第二章 NumPy基础3 本章示例代码中的输入和输出均来自IPython会话. 2.7 数组的组合 NumPy数组有水平组合.垂直组合和深度组合等多种组合方式,我们将使用vstack.dstack. ...
《Python数据分析基础教程：NumPy学习指南（第2版）》笔记8：第三章常用函数4——线性模型、数组修剪与压缩、阶乘
本章将介绍NumPy的常用函数.具体来说,我们将以分析历史股价为例,介绍怎样从文件中载入数据,以及怎样使用NumPy的基本数学和统计分析函数.这里还将学习读写文件的方法,并尝试函数式编程和NumPy线 ...
《Python数据分析基础教程：NumPy学习指南：第二版》读书笔记
内容主要介绍了NumPy库中的函数. 组成方式用非常零散的知识点串联成章节. 内容摘要极简地展示了章节中所运用的函数. 第一章 arrange函数创建NumPy数组. 第二章 NumPy特性在 ...
《Python数据分析基础教程：NumPy学习指南（第2版）》笔记6：第三章常用函数2——中位数、方差、日期、展平
本章将介绍NumPy的常用函数.具体来说,我们将以分析历史股价为例,介绍怎样从文件中载入数据,以及怎样使用NumPy的基本数学和统计分析函数.这里还将学习读写文件的方法,并尝试函数式编程和NumPy线 ...
《Python数据分析基础教程：NumPy学习指南（第2版）》笔记1：第一章 NumPy快速入门
NumPy快速入门 1.1 Python NumPy是基于Python的,因此在安装NumPy之前,需要先安装Python.某些操作系统已经默认安装有Python环境,但仍需检查Python的版本是否 ...
《Python数据分析基础教程：NumPy学习指南（第2版）》笔记16：第七章专用函数2——金融函数
当前Numpy版本为:1.20 第七章专用函数 7.9 金融函数 NumPy中有很多金融函数. Numpy 1.20之前的版本导入numpy,直接调用以下函数即可. (注意!Numpy 1.20之后 ...
python数据分析基础教程 numpy_Python数据分析基础教程：NumPy学习指南（第2版）
Python数据分析基础教程:NumPy学习指南(第2版) Ivan Idris (作者) 张驭宇 (译者) NumPy是一个优秀的科学计算库,提供了很多实用的数学函数.强大的多维数组对象和优异的计算 ...
推荐书｜学习Python数据分析值得推荐的《NumPy学习指南》
<Python数据分析基础教程:NumPy学习指南(第2版)> 1.基本介绍: NumPy是一个优秀的科学计算库,提供了很多实用的数学函数.强大的多维数组对象和优异的计算性能,不仅可以取代 ...
python数据分析numpy_Python数据分析之numpy学习
Python模块中的numpy,这是一个处理数组的强大模块,而该模块也是其他数据分析模块(如pandas和scipy)的核心. 接下面将从这5个方面来介绍numpy模块的内容: 1)数组的创建 2)有 ...

python三维数组切片_【NumPy学习指南】day4 多维数组的切片和索引

python三维数组切片_【NumPy学习指南】day4 多维数组的切片和索引相关推荐

最新文章

热门文章