Numpy索引和切片

关键词

在 NumPy 中，如果想要访问，或修改数组中的元素，您可以采用索引或切片的方式，比如使用从 0 开始的索引依次访问数组中的元素，这与 Python 的 list 列表是相同的。

NumPy 提供了多种类型的索引方式，常用方式有两种：基本切片与高级索引。本节重点讲解基本切片。

基本切片

NumPy 内置函数 slice() 可以用来构造切片对象，该函数需要传递三个参数值分别是 start（起始索引）、stop（终止索引）和 step（步长），通过它可以实现从原数组的上切割出一个新数组。

示例如下：

import numpy as np
a = np.arange(10)
#生成切片对象
s = slice(2,9,3)#从索引2开始到索引9停止，间隔时间为2
print(a[s])

输出结果：

[2 5 8]

您也可以通过冒号来分割切片参数，最终也能获得相同结果，示例如下：

import numpy as np
a = np.arange(10)
b = a[2:9:2]
print(b)

输出结果：

[2 5 8]

下面对冒号切片做简单地说明：

如果仅输入一个参数，则将返回与索引相对应的元素。对于上述示例来说[3] 就会返回 3。
如果在其前面插入“:”如[:9]，则会返回 0-8 的所有数字（不包含9）。
如是 [2:] 则会返回 2-9 之间的数字。
如果在两个参数之间，如[2:9]，则对两个索引值之间的所有元素进行切片（不包括停止索引）。

下面对冒号类型的切片做了简单的实例演示：

示例 1：

a = np.arange(10)
b = a[3]
print (b)

输出结果：

示例 2：

import numpy as np
a = np.arange(10)
print (a[2:])

输出结果:

[2 3 4 5 6 7 8 9]

示例 3：

import numpy as np
a = np.arange(10)
print a[2:5]

输出结果如下：

[2 3 4]

多维数组切片

多维数组切片操作，实例如下：

import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从[1:]索引处开始切割
print(a[1:])

输出结果：

[[1 2 3]
 [3 4 5]
 [4 5 6]]
#切割后的新数组
[[3 4 5]
 [4 5 6]]

注意：切片还可以使用省略号“…”，如果在行位置使用省略号，那么返回值将包含所有行元素，反之，则包含所有列元素。

实例演示如下：

import numpy as np
#创建a数组
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
#返回数组的第二列
print (a[...,1]) 
#返回数组的第二行
print (a[1,...])
#返回第二列后的所有项
print (a[...,1:])

输出结果：

#第二列数组
[2 4 5]
#第二行数组
[3 4 5]
#返回第二列及以后的所有元素
[[2 3]
[4 5]
[5 6]]

本文链接：http://task.lmcjl.com/news/13600.html

展开阅读全文

上一篇：在python中的列表中拆分列表的元素下一篇：Pandas修改DataFrame列名的两种方法实例

热门文章排行

推荐文章

关键词

Numpy索引和切片

基本切片

多维数组切片