numpy 学习汇总33 - 索引切片( 初步学习 tcy)
生活随笔
收集整理的這篇文章主要介紹了
numpy 学习汇总33 - 索引切片( 初步学习 tcy)
小編覺得挺不錯(cuò)的,現(xiàn)在分享給大家,幫大家做個(gè)參考.
索引切片 2018/6/18 2018/11/26=====================================================================
1. 索引分類：字段訪問，基本切片，高級(jí)索引
形式：array[beg:end:step，]# 參數(shù) beg: 索引; [0，end）；step: 間隔;# 函數(shù)slice(:)和ellipsis(…) Ellipsis和newaxis物體也可以穿插其中x[slice(2,7,2)]a=np.array([[1,2,3],[4,5,6]])#array([[1, 2, 3], [4, 5, 6]])b=a[:,np.newaxis,:] #array([[[1, 2, 3]],[[4, 5, 6]]])a.shape #(2, 3)b.shape #(2, 1, 3)
實(shí)例格式：1D格式：a[start:end:step]=value #若是標(biāo)量會(huì)自動(dòng)傳播2D格式：a[start:end:step , start:end:step] #類似Python切片;維度1對(duì)應(yīng)行，維度2對(duì)應(yīng)列2D格式：a[start:end:step] [start:end:step] #相當(dāng)于b=a[ ];a[ ][:]=b[:] 數(shù)據(jù)缺失則為全部數(shù)據(jù)3D格式：a[,，，] or a[][][]注意：1）逗號(hào)隔開每個(gè)維度;索引為':'表示整個(gè)切片; '...'連續(xù);2）切片是視圖,沿一個(gè)軸方向進(jìn)行; 返回?cái)?shù)組中元素是原數(shù)組元素的索引，修改影響原數(shù)組值（Python不會(huì)）3）Python（C/C++）索引從0開始.Fortran或Matlab索引從1開始4）newaxis選擇元組中的每個(gè)對(duì)象用于將所得選擇的維度擴(kuò)展一個(gè)單位長(zhǎng)度維度。添加的維度是newaxis 對(duì)象在選擇元組中的位置。2.切片
====================================================================
# 實(shí)例1:1D
a=np.array([1, 2, 3, 4, 5, 6]) # array([1, 2, 3, 4, 5, 6])a[0] #1a[0:] # array([1, 2, 3, 4, 5, 6])
a[0:1] # array([1])# a[1:5:2] ,a[:4],a[1:3] ,a[::2] ,a[3:] ,a[::-1]b=a[:]
b[:]=-1 #賦值
a #array([-1, -1, -1, -1, -1, -1])# 實(shí)例2:2D
a=np.array([[1,2,3],[4,5,6]])#array([[1, 2, 3],[4, 5, 6]])a[0] # array([1, 2, 3]) 第1行數(shù)據(jù)
a[0][1] # 2 從第1行數(shù)據(jù)中選取第2個(gè)數(shù)據(jù)
a[0][1:3] # array([2, 3]) 從第1行數(shù)據(jù)中選取第2,3個(gè)數(shù)據(jù)a[0,:] # array([1, 2, 3]) 第1行數(shù)據(jù)
a[0,1:2] # array([2]) 行為第1行，列為2列 區(qū)域的數(shù)據(jù)b=a[0,:] # array([1, 2, 3])
b[:]=-1 # 賦值
a # array([[-1, -1, -1],[ 4, 5, 6]])# 實(shí)例3:3D# 多維數(shù)組省略后面索引返回一個(gè)維度低一點(diǎn)的ndarray 數(shù)據(jù)（包含有高一級(jí)維度上的所有數(shù)據(jù)注釋1 ）
# 注釋1 ：括號(hào)外面的“維度”是一維、二維、三維、四維之類的意思，括號(hào)里面的應(yīng)該理解為“軸” ．
# 也就是說(shuō)，這里指的是“返回的低維數(shù)組含有原始高維數(shù)某條軸上的所有 數(shù)據(jù)” 。a=np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])a[0] #array([[1, 2, 3],[4, 5,6]])
a[0][1] #array([4, 5,6])
a[0][1][2] #6a[0,0:2,0:3] # array([[1, 2, 3],[4, 5, 6]])
a[0,1:2,0:3] # array([[4, 5, 6]])
a[0,1:2,2:3] # array([[6]])b=a[0,1:2,0:3] # array([[4, 5, 6]])
b[:]=-1 # 賦值
a # array([[[ 1, 2, 3],[-1, -1, -1]],[[ 7, 8, 9], [10, 11, 12]]])
===================================================================3.數(shù)組索引3.1.花式索引
# 實(shí)例1:1D
a = np.arange(10)+10#一維數(shù)組
index= np.array( [ [ 3, 4], [ 9, 7 ] ] )
a[index] # 和索引形狀相同 #array([[ 13, 14], [19, 17]])# 實(shí)例2:2D
a = np.arange(32).reshape(4,8) # 多維數(shù)組# 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],# [24, 25, 26, 27, 28, 29, 30, 31]])
row= np.array( [ [0,1], [2,3] ] ) #所有元素<4 m;索引數(shù)組必須具有相同形狀
column= np.array( [ [4,5], [6,7] ] )#所有元素<8 n;#索引數(shù)組必須具有相同形狀
a[row,column] # array([[ 4, 13],[22, 31]]) 原數(shù)據(jù)(0,4) (1,3) (2,46) (3,7)等價(jià)于：lst= [i,j];a[lst]a[tuple(np.array( [i,j] ))]
----------------------------------------------------------------------------------------------------------
3.2.布爾數(shù)組索引#創(chuàng)建數(shù)據(jù)的副本# 實(shí)例1：每個(gè)維度的1D布爾數(shù)組a = np.arange(12).reshape(3,4)b1 = np.array([False,True,True]) # first dim selectionb2 = np.array([True,False,True,False]) # second dim selection
a[b1] #array([[ 4, 5, 6, 7],[ 8, 9, 10, 11]])
a[:,b2] # array([[ 0, 2],[ 4, 6], [ 8, 10]])
a[b1,b2] # array([ 4, 10]) 奇怪的實(shí)例# 注意：1D布爾數(shù)組的長(zhǎng)度必須與要分片的維（或軸）的長(zhǎng)度一致。# 實(shí)例2：同時(shí)使用逗號(hào)分割索引來(lái)沿著多個(gè)軸索引（有些和Python索引不同）
a=np.arange(12).reshape(3,4)
m=np.matrix(a)a[:,1]; # [1 5 9] 上下不同
m[:,1] #matrix([[1],[5],[9]])a[:,[1,3]] #數(shù)組1,3列 等價(jià)下面
a[:,].take([1,3],axis=1)# array([[ 1, 3],[ 5, 7], [ 9, 11]])
m[:,[1,3]] # matrix([[ 1, 3],[ 5, 7], [ 9, 11]])a[1:,].take([1,3],axis=1)# array([[ 5, 7],[ 9, 11]])#跳過(guò)第一行
a[np.ix_((1,2),(1,3))] # array([[ 5, 7],[ 9, 11]])#跳過(guò)第一行
m[np.ix_((1,2),(1,3))] # matrix([[ 5, 7],[ 9, 11]])#跳過(guò)第一行a[0,:]>1 # array([False, False, True, True])
a[:,a[0,:]>1] #array([[ 2, 3], [ 6, 7],[10, 11]])#第一行大于1的列
m[:,m.A[0,:]>1] #matrix([[ 2, 3],[ 6, 7],[10, 11]])#第一行大于1的列 上下不同（A矩陣的數(shù)組屬性）#矩陣兩個(gè)方向有條件地切片：
a[a[:,0]>2,a[0,:]>1] # array([ 6, 11])
m[m.A[:,0]>2,m.A[0,:]>1] # matrix([[ 6, 11]])a[np.ix_(a[:,0]>2,a[0,:]>1)] # array([[ 6, 7], [10, 11]])
m[np.ix_(m.A[:,0]>2,m.A[0,:]>1)] # matrix([[ 6, 7], [10, 11]])# Ellipsis擴(kuò)展為:制作與長(zhǎng)度相同的選擇元組所需的對(duì)象數(shù)x.ndim。
a[...,0]# array([0, 4, 8])
a[0,...]# array([0, 1, 2, 3])a=np.arange(12).reshape(2,2,3) # array([[[ 0, 1, 2], [ 3, 4, 5]], [[ 6, 7, 8],[ 9, 10, 11]]])
a[...,0] # array([[0, 3],[6, 9]])
a[0,...] # array([[0, 1, 2],[3, 4, 5]])=====================================================================
4.備注：
# 切片說(shuō)明：
a[1,1] #一維數(shù)組；訪問單元素；也可以a[1]
a[::2] #一位數(shù)組；訪問多元素；以2為步長(zhǎng)對(duì)數(shù)組進(jìn)行切分
a[1,6] #一維數(shù)組；訪問多元素（第2個(gè)到第5個(gè)元素）
a[1,2,3] #多維數(shù)組；訪問單元素
a[0,2：4,…] #多維數(shù)組；訪問多元素（第1塊第2，3行元素）
a[1,…,2：4] #多維數(shù)組；訪問多元素（第2塊第2，3列元素）
a[1,…] #多維數(shù)組；訪問第2個(gè)元素塊
a[…,1] #多維數(shù)組；訪問多元素（所有塊的第1行元素）
a[:2,:3].copy()
a[::-1] #反序
a[0,...] #按行取元素;
a[…,0] #按列取元素
=====================================================================
總結(jié)
以上是生活随笔為你收集整理的numpy 学习汇总33 - 索引切片( 初步学习 tcy)的全部?jī)?nèi)容，希望文章能夠幫你解決所遇到的問題。
- 上一篇： 四国军棋的启示
- 下一篇： 全国行政边界json数据echarts地