numpy数组切片操作,Python中的切片

  numpy数组切片操作,Python中的切片

  Numpy常用于矩阵运算。今天,边肖带你看看numpy是如何在Python中解决切片问题的。

  1.取元素 X[n0,n1]

  这是最基本的情况,就是取第0维的第n个元素,继续取第1维的n1个元素。比如X[2,2]表示第0维的第2个元素[20,21,22,23],那么它的第1维的第2个元素就是22;

  2.切片 X[s0:e0,s1:e1]

  这是最常见的切片操作,也就是取第0维的s0到e0元素,继续取第1维的s1到e1元素(左闭右开)。比如X[1:3,1:3]表示第0维的第(1:3)个元素[[10,11,12,13],[20,21,22,23]],那么第1维的第(1:3)个元素就是[[

  3.切片特殊情况 X[:e0,s1:]

  特例,即从左侧0可以省略X[:e0,s1:e1],从右侧到末端可以省略X [s03360,s1:e1],可以取某维的所有元素X X[:s1:e1]]。其实和Python的序列切片规则是一样的。

  常见的X [3360,0]表示第0维取全部,第1维取0号元素;

  示例代码

  将numpy作为np导入

  X=np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33])

  # X是一个维数为0,1的二维数组。

  # Layer 0 []表示第0个维度;第一层[]代表第一维度;

  # X[n0,n1]表示第0维取第n个元素,第1维取第n1个元素。

  print(X[1,0])

  # X[1:3,1:3]表示第0维取(133603)个元素,第1维取(1:3)个元素。

  打印(X[1:3,1:3])

  # X[:n0,n1]表示第0维取第0到第n0个元素,第1维取第0到n1个元素。

  打印(X[:2,2])

  # x [3360,n1]表示第0维取所有元素,第1维取第0到n1个元素。

  打印(X[:2])

  # x [3360,0])表示第0维取所有元素,第1维取第0个元素。

  print(X[:,0])

  

输出结果

  

10  [[11 12]   [21 22]]  [[ 0 1]   [10 11]]  [[ 0 1]   [10 11]   [20 21]   [30 31]]  [ 0 10 20 30]  

  

PS:X[n0,n1]简介

  

X[n0,n1]是通过 numpy 库引用二维数组或矩阵中的某一段数据集的一种写法。

  

类似的,X[n0,n1,n2]表示取三维数组,取N维数组则有N个参数,N-1个逗号分隔。

  

以二维数组为例:

  

import numpy as npX = np.array([[0,1,2,3],[10,11,12,13],[20,21,22,23],[30,31,32,33]])  

X 是一个二维数组,维度分别为 0 ,1;为了方便理解多维,采取数中括号的方式 ‘[’ 确定维数,例如:从左往右,第 0 层 [] 表示第 0 维;第 1 层 [] 表示第 1 维;…以此类推。

  

学会了切片方法的小伙伴,不要错过我们下期的numpy索引哦~更多Python学习推荐:PyThon学习网教学中心

  

(推荐操作系统:windows7系统、Python 3.9.1,DELL G3电脑。)

郑重声明:本文由网友发布,不代表盛行IT的观点,版权归原作者所有,仅为传播更多信息之目的,如有侵权请联系,我们将第一时间修改或删除,多谢。

留言与评论(共有 条评论)
   
验证码: