Numpy 索引

Numpy 索引

1、一维索引

>>> import numpy as np
>>> A = np.arange(3,15)
>>> print(A[3])
6

>>> A = np.arange(3,15).reshape((3,4))#转换成二维
>>> print(A[2])#A[2]对应的就是矩阵A中第三行(从0开始算第一行)的所有元素
[11 12 13 14]

2、二维索引

>>> print(A[1][1])
8
#此时对应的元素即A[1][1]，在A中即横纵坐标都为1，第二行第二列的元素，即8（因为计数从0开始）。同样的还有其他的表示方法：
>>> print(A[1, 1])
8

>>> print(A[1, 1:3])#切片操作，对第二行中第2到第4列元素进行切片输出（不包含第4列）
[8 9]

>>> for row in A: #利用for函数进行打印
...     print(row)
...
[3 4 5 6]
[ 7  8  9 10]
[11 12 13 14]

>>> for column in A.T:#利用转制进行逐列打印
...     print(column)
...
[ 3  7 11]
[ 4  8 12]
[ 5  9 13]
[ 6 10 14]

3、迭代输出

flatten是一个展开性质的函数，将多维的矩阵进行展开成1行的数列。而flat是一个迭代器，本身是一个object属性。

>>> import numpy as np
>>> A = np.arange(3,15).reshape((3,4))
>>>
... print(A.flatten())
[ 3  4  5  6  7  8  9 10 11 12 13 14]
>>> import numpy as np
>>> A = np.arange(3,15).reshape((3,4))
>>> print(A.flatten())
[ 3  4  5  6  7  8  9 10 11 12 13 14]
>>> for item in A.flat:
...     print(item)
...
3
4
5
6
7
8
9
10
11
12
13
14

 

posted on 2018-07-28 17:56 Anhoo 阅读( ...) 评论( ...) 编辑 收藏