NumPy案例巩固强化4

本文仅介绍 Numpy 库中：

• 提取矩阵中的某一行/某一列
• 提取向量和矩阵中的元素

1、Numpy数组矩阵中提取某一行/某一列

通过数组定义一矩阵，并提取某一行/某一列：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b = a[2,:]
c = a[:,1]

矩阵 a 为：

 b为矩阵 a 的第三行， c 为矩阵 a 的第二列元素组成的数组。 b的形状为(3, )，c 的形状为(4, )。上一节已明确对于此类形状的数组在运算时视为行向量。此时，提取矩阵的第二列后获得的变量 c 为行向量，不是理想的结果。

首先想到，由于在运算时，将变量c 视为行向量，则如果对变量 c 进行转置，是否可以将行向量变为列向量呢？

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b = a[2,:]
c = a[:,1]
c_T = c.T

可以从结果中看到，变量c_T的形状仍然为(4, )。即对于此类形状的数组，转置无效。

如何提取矩阵某一列后直接获得一个列向量，下面介绍三种方法：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
c1 = a[:,1].reshape((4,1))
c2 = np.c_[a[:,1]]
c3 = a[:,1].reshape((-1,1))

这里获得的 c1 ， c2 和 c3 均为形状为(4, 1)的列向量，也即矩阵 a 的第二列。值得注意的是， c1 对应的方法需要预知矩阵 a 的形状，而 c2 和 c3 对应的方法无需知道矩阵 a 的形状，这将在某种程度上带来一定便利。

总结：提取数组矩阵某一列时，需要额外操作将其转化为列向量。

2、Numpy数组向量/矩阵中提取某一元素

提取下述向量和矩阵中的元素：

import numpy as np
a = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
b = np.array([[1,2,3,4]])
c = np.array([[5],[6],[7],[8]])
a21 = a[1,0]
b2 = b[:,1]
c3 = c[2,:]

因此，在提取数组向量中的某个元素时，得到的仍然为数组，也即只有一个元素的行向量。

如果要将向量中提取到的元素直接参与数域运算，则需要做类型转换：

import numpy as np
b = np.array([[1,2,3,4]])
c = np.array([[5],[6],[7],[8]])
b2 = float(b[:,1])
c3 = int(c[2,:])

此时 b2 的值为2，类型为float； c3 的值为7，类型为int。

总结：提取向量中的值参与数域运算要做类型转换。