NumPy切片和索引
ndarray对象的内容可以通过索引或切片来访问和修改,与 Python 中 list 的切片操作一样。
ndarray 数组可以基于 0 - n 的下标进行索引,切片对象可以通过内置的 slice 函数,并设置 start, stop 及 step 参数进行,从原数组中切割出一个新数组。
import numpy as np
a = np.arange(10)
s = slice(2,7,2) # 从索引2开始到索引7停止,间隔为2
print(a[s])
[2 4 6]
也可以通过冒号分隔切片参数start:stop:step来进行切片操作:
import numpy as np
a = np.arange(10)
b = a[2:7:2] # 从索引2开始到索引7停止,间隔为2
print(b)
[2 4 6]
# 指定索引
import numpy as np
a = np.arange(10)
b = a[5]
print(b)
5
# 冒号后不指定,之后的全部索引
import numpy as np
a = np.arange(10)
b = a[2:]
print(b)
[2 3 4 5 6 7 8 9]
# 不指定step
import numpy as np
a = np.arange(10)
print(a[2:5])
[2 3 4]
多维数组同样适用上述索引提取方法:
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引a[1:]处开始切割')
print(a[1:])
[[1 2 3]
[3 4 5]
[4 5 6]]
从数组索引a[1:]处开始切割
[[3 4 5]
[4 5 6]]
切片还可以包括省略号 …,来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号,它将返回包含行中元素的 ndarray。
import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print (a[...,1]) # 第2列元素
print (a[1,...]) # 第2行元素
print (a[...,1:]) # 第2列及剩下的所有元素
[2 4 5]
[3 4 5]
[[2 3]
[4 5]
[5 6]]
学习参考: