数组的切片Python,python ndarray
本文主要介绍python中ndarray数组的索引和切片。通过示例代码非常详细的介绍，对大家的学习或者工作都有一定的参考价值。有需要的朋友下面跟边肖学习。
Index和slice相当于读取或查询数组的内容。这是我们获取有用信息的重要方法。
对于索引
对于一维数组：在数组名称后面的括号[]中包含索引号，并在括号中填写被查询数组的编码。比如：n维数组的data[1]:有两种方法。第一种方式是用列表表示被查询数字的坐标值，比如data_2dim[1，0]。第二种方式是把多维数组当做一个数组玩偶，依次取值，比如切片用data_2dim[1][0]。
对于一维数组：在数组名后面加上括号[]，并在括号中填入切片的范围。m:n注意，这个公式用冒号做分隔符，表示mindex & lt；n，如：data[233604]；特别注意，如果省略m和n，则默认值为m=0，n=length(数组)，也就是说默认值为第一位和最后一位。它不同于matlab中的冒号表达式。对于N维数组：把多维数组当成一位数组玩偶，依次取值。应当注意，多维阵列的切片通常是多维阵列。如果你需要得到一个特定的元素，你应该在切片后索引它。您可以在以下代码中演示索引和切片操作：
将numpy作为np导入
data=np.array([0，1，2，3，4，5])
打印(数据[1])
打印(数据[2:4])
data_2dim=np.array([[1，2，3]，[4，5，6]，[7，8，9]，[10，11，12]])
print(data_2dim[1，0])
print(data_2dim[1][0])
打印(data_2dim[1:4])
打印(data _ 2 dim[1:4][1:3][1][2])
运行结果如下：
任何人
[2 3]
四
四
[[ 4 5 6]
[ 7 8 9]
[10 11 12]]
12
[1.3秒完成]
综上所述，索引和切片都是读取数组的操作，方括号[]用来框住数字。
需要特别注意的是，存储在切片中的变量和原始数组变量本质上共享同一个内存。如果存储在切片中的变量被修改，原始数组的相应元素也将被相应地修改。如下面的代码所示：
data=np.arange(10)
data_slice=data[3:6]
打印(数据)
打印(数据切片)
数据切片[2]=100
打印(数据)
打印(数据切片)
结果如下：
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[ 0 1 2 3 4 100 6 7 8 9]
[ 3 4 100]
2.2s内完成]
如果需要修改切片而不更改原始数组中的数据，可以使用。copy()方法。上面的代码稍加修改，结果如下：
data=np.arange(10)
data_slice=data[3:6]。复制()
打印(数据)
打印(数据切片)
数据切片[2]=100
打印(数据)
打印(数据切片)
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 5 6 7 8 9]
[ 3 4 100]
[2.5秒内完成]
这就是这篇关于python中ndarray数组的索引和切片的文章。关于Python中Ndarray数组的索引和切片的更多信息，请搜索热门IT软件开发工作室之前的文章或者继续浏览下面的相关文章。希望大家以后多多支持热门IT软件开发工作室！
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。