Python二维数组与三维数组切片

文章全来自Python二维数组与三维数组切片详解

 

1.二维数组

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]])
print(a.shape)
print(a[0, :], a[0, :].shape)
print(a[1, :], a[1, :].shape)
print(a[-1, :], a[-1, :].shape)
print(a[0:2, :], a[0:2, :].shape)
print(a[:, 0], a[:, 0].shape)
print(a[:, 1], a[:, 1].shape)
print(a[:, -1], a[:, -1].shape)
print(a[:, 0:2], a[:, 0:2].shape)

结果

(5, 4)
[1 2 3 4] (4,)
[5 6 7 8] (4,)
[17 18 19 20] (4,)
[[1 2 3 4]
 [5 6 7 8]] (2, 4)
[ 1  5  9 13 17] (5,)
[ 2  6 10 14 18] (5,)
[ 4  8 12 16 20] (5,)
[[ 1  2]
 [ 5  6]
 [ 9 10]
 [13 14]
 [17 18]] (5, 2)

上例中,a是shape=(5,4)的数组。第0个维度上有5个元素,第1个维度上有4个元素(元素不一定是单个值, 也可能是数组,这里的元素的叫法是相对于某个维度而言的)。

a[0, :]、a[1, :]、a[-1, :]分别提取了a的第0个维度上的第0、1和-1个元素,每个元素都是一个含有4个元素的数组。
a[0:2, :]提取了a的第0个维度上的第0和1两个元素,两个元素都是一个含有4个元素的数组,共同组成一个二维数组。
a[:, 0]、a[:, 1]、a[:, -1]分别提取了a的第1个维度上的0、1和-1个元素,每个元素都是单个元素值。
a[:, 0:2]提取了a的第1个维度上的第0和1两个元素,两个元素都是单个元素值,共同组成一个二维数组。

 2.三维数组

import numpy as np

b = np.array([[[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, 32], [33, 34, 35, 36]],
              ])

print(b.shape)
print("b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]")
print(b[0, ::], b[0, ::].shape)
print(b[1, ::], b[1, ::].shape)
print(b[-1, ::], b[-1, ::].shape)
print(b[0:2, ::], b[0:2, ::].shape)
print("b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]")
print(b[:, 0:], b[:, 0:].shape)
print(b[:, 1:], b[:, 1:].shape)
print(b[:, -1:], b[:, -1:].shape)
print(b[:, 0:2:], b[:, 0:2:].shape)
print("b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]")
print(b[::, 0], b[::, 0].shape)
print(b[::, 1], b[::, 1].shape)
print(b[::, -1], b[::, -1].shape)
print(b[::, 0:2:], b[::, 0:2].shape)
print("b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]")
print(b[:, :, 0], b[:, :, 0].shape)
print(b[:, :, 1], b[:, :, 1].shape)
print(b[:, :, -1], b[:, :, -1].shape)
print(b[:, :, 0:2:], b[:, :, 0:2].shape)

结果

(3, 3, 4)
b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]] (3, 4)
[[13 14 15 16]
 [17 18 19 20]
 [21 22 23 24]] (3, 4)
[[25 26 27 28]
 [29 30 31 32]
 [33 34 35 36]] (3, 4)
[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]] (2, 3, 4)
b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]
[[[ 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 32]
  [33 34 35 36]]] (3, 3, 4)
[[[ 5  6  7  8]
  [ 9 10 11 12]]

 [[17 18 19 20]
  [21 22 23 24]]

 [[29 30 31 32]
  [33 34 35 36]]] (3, 2, 4)
[[[ 9 10 11 12]]

 [[21 22 23 24]]

 [[33 34 35 36]]] (3, 1, 4)
[[[ 1  2  3  4]
  [ 5  6  7  8]]

 [[13 14 15 16]
  [17 18 19 20]]

 [[25 26 27 28]
  [29 30 31 32]]] (3, 2, 4)
b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]
[[ 1  2  3  4]
 [13 14 15 16]
 [25 26 27 28]] (3, 4)
[[ 5  6  7  8]
 [17 18 19 20]
 [29 30 31 32]] (3, 4)
[[ 9 10 11 12]
 [21 22 23 24]
 [33 34 35 36]] (3, 4)
[[[ 1  2  3  4]
  [ 5  6  7  8]]

 [[13 14 15 16]
  [17 18 19 20]]

 [[25 26 27 28]
  [29 30 31 32]]] (3, 2, 4)
b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]
[[ 1  5  9]
 [13 17 21]
 [25 29 33]] (3, 3)
[[ 2  6 10]
 [14 18 22]
 [26 30 34]] (3, 3)
[[ 4  8 12]
 [16 20 24]
 [28 32 36]] (3, 3)
[[[ 1  2]
  [ 5  6]
  [ 9 10]]

 [[13 14]
  [17 18]
  [21 22]]

 [[25 26]
  [29 30]
  [33 34]]] (3, 3, 2)

上例中,b是shape=(3,3,4)的数组。第0个维度上有3个元素,第1个维度上有3个元素,第2个维度上有4个元素(元素不一定是单个值, 也可能是数组,这里的元素的叫法是相对于某个维度而言的)。

b[0, ::]、b[1, ::]、b[-1, ::]分别提取了b的第0个维度上的第0、1和-1个元素,每个元素都是一个二维数组。
b[0:2, ::]提取了b的第0个维度上的第0和1两个元素,两个元素都是一个二维数组,共同组成一个三维数组。
b[:, 0:]、b[:, 1:]、b[:, -1:]分别提取了b的全部元素(都是由4个元素的单个数组)、b的第1个维度上除第0号外的所有元素(都是由4个元素的单个数组)、b的第1个维度上的所有最后一个位置上的元素(都是由4个元素的单个数组)。
b[:, 0:2:]提取了b的第1个维度上的第0和1两个元素,两个元素都是一个有4个元素的数组,共同组成一个三维数组。
b[::, 0]、b[::, 1]、b[::, -1]分别提取了b的第2个维度上的0、1和-1个元素(这里的元素就是单个有4个元素的数组),每个元素都是有4个元素的数组。
b[::, 0:2]提取了b的第2个维度上的第0和1两个元素(这里的元素就是单个有4个元素的数组),两个元素都是有4个元素的数组。
b[:,:, 0]、b[:,:, 1]、b[:,:, -1]分别提取了b的第2个维度的所有元素(即有4个元素的数组)中的第0、1和-1个元素值,每个元素都是单个元素值。
b[:,:, 0:2]提取了b的第2个维度的所有元素(即有4个元素的数组)中的第0和1两个元素值,两个元素都是单个元素值。

### 回答1: Python中没有独立的三维数组数据结构,但可以使用多维列表或NumPy库中的多维数组来模拟三维数组切片操作。 当使用多维列表表示三维数组时,可以通过下标操作进行切片。假设有一个大小为m x n x p的三维列表arr,可以使用arr[i:j, k:l, x:y]的形式切片取得想要的数据区域。其中i和j表示第一维度的起始和结束位置,k和l表示第二维度的起始和结束位置,x和y表示第三维度的起始和结束位置。这样就能获取一个新的三维列表,保存了所需的数据区域。 当使用NumPy库中的多维数组来表示三维数组时,可以使用切片操作符":"和逗号","进行切片。假设有一个大小为m x n x p的三维数组arr,可以使用arr[i:j, k:l, x:y]的形式切片取得想要的数据区域。其中i和j表示第一维度的起始和结束位置,k和l表示第二维度的起始和结束位置,x和y表示第三维度的起始和结束位置。这样就能获取一个新的多维数组,保存了所需的数据区域。 总结来说,Python中的三维数组切片操作可以通过多维列表或NumPy库中的多维数组的下标或切片操作来实现。具体使用哪种方式取决于实际需求和数据结构的选择。 ### 回答2: 在Python中,我们可以使用NumPy库来处理三维数组切片。 首先,我们需要导入NumPy库:import numpy as np 接下来,创建一个三维数组。例如,我们可以创建一个3x3x3的三维数组: arr = np.arange(27).reshape((3,3,3)) 现在,我们可以对这个三维数组进行切片操作。切片的语法和二维数组类似,但是需要在每一个维度上指定切片范围。 例如,我们可以切取三维数组中的一个二维平面。要切取第一个平面,可以使用以下代码: slice_2d = arr[0,:,:] 这将返回一个2x3的二维数组,表示三维数组的第一个平面。 如果我们要切取整个三维数组的第一行,可以使用以下代码: slice_1d = arr[:,0,:] 这将返回一个3x3的二维数组,表示三维数组的第一行。 除了切取整个平面或行之外,我们还可以在每个维度上指定切片范围。 例如,如果我们想切取三维数组的第一个平面的第一行,可以使用以下代码: slice_element = arr[0,0,:] 这将返回一个长度为3的一维数组,表示三维数组的第一个平面的第一行。 总之,使用NumPy库,我们可以方便地对三维数组进行切片操作,按需获取所需的数据。 ### 回答3: 在Python中,我们可以使用numpy库来创建和操作三维数组,并使用切片来对其进行操作。 首先,我们需要导入numpy库: import numpy as np 然后,我们可以通过numpy的array函数创建一个三维数组: arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) 这个数组arr有两个二维数组,每个二维数组有两个一维数组。 要对三维数组进行切片,我们需要使用切片语法。切片语法使用中括号[],其中包含三个冒号:来表示切片的开始,结束和步长。在一个三维数组中,我们可以使用三个冒号进行切片,分别对应于第一维,第二维和第三维。 例如,如果我们要获取整个三维数组切片,我们可以这样写: slice_arr = arr[:, :, :] 这将返回整个三维数组。 如果我们只想获得第一个二维数组切片,我们可以这样写: slice_arr = arr[0, :, :] 这将返回第一个二维数组的所有元素。 如果我们只想获得第一个一维数组切片,我们可以这样写: slice_arr = arr[0, 0, :] 这将返回第一个一维数组的所有元素。 我们还可以通过切片来选择多个元素。例如,如果我们只想获得第一个二维数组中的第一个和第二个一维数组切片,我们可以这样写: slice_arr = arr[0, 0:2, :] 这将返回第一个二维数组中的第一个和第二个一维数组的所有元素。 总之,使用切片来操作三维数组可以帮助我们选择特定的元素或子数组,并使代码更加简洁和易读。
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值