代码分析之numpy.array

m0_51361674

已于 2022-03-14 16:36:23 修改

阅读量1.4k

点赞数 1

文章标签： python 深度学习线性代数

于 2022-03-13 14:08:03 首次发布

本文链接：https://blog.csdn.net/m0_51361674/article/details/123458042

版权

本文通过实例介绍了如何使用numpy库创建和访问多维数组。讲解了下标从0开始的规则，以及切片操作如Y[1:3,1:2]来选取子数组。同时，对比了shape属性的不同用法，如shape[1:]返回元组，shape[1]返回单个元素的整数。最后，展示了在实际操作中如何根据索引访问和修改数组元素。

摘要由CSDN通过智能技术生成

因为numpy.array可以创建任意维度的数组，因此可以通过下标访问数组元素。

import numpy as np

#构建一个size为(3,3,3)的数组
Y = np.array([[[1, 1, 1],
               [2, 0, 0],
               [3, 0, 0]],

              [[4, 4, 4],
               [5, 0, 0],
               [6, 0, 0]],

              [[7, 7, 7],
               [8, 0, 0],
               [9, 0, 0]]])
print("shape of Y is ",Y.shape,", type of Y is ",type(Y))
print(Y)

print("#"*50)

new = Y[1:3,1:2]    #索引均从0开始；1:3相当于左闭右开，从1到3但不包括3；1:2同理
print("shape of new is :",new.shape)
print(new)

##################################################################################################################################################################################

output:

shape of Y is  (3, 3, 3) , type of Y is  <class 'numpy.ndarray'>
[[[1 1 1]
  [2 0 0]
  [3 0 0]]

 [[4 4 4]
  [5 0 0]
  [6 0 0]]

 [[7 7 7]
  [8 0 0]
  [9 0 0]]]
##################################################
shape of new is : (2, 1, 3)
[[[5 0 0]]

 [[8 0 0]]]

Process finished with exit code 0

注意下标访问数组元素的规则。

import numpy as np

#构建一个size为(3,3,3)的数组
Y = np.array([[[1, 1, 1],
                 [2, 0, 0],
                 [3, 0, 0]],

                 [[4, 4, 4],
                  [5, 0, 0],
                  [6, 0, 0]],

                 [[7, 7, 7],
                  [8, 0, 0],
                  [9, 0, 0]]])
print("shape of Y is ",Y.shape,", type of Y is ",type(Y))
print(Y)
print("#"*50)

print(Y[0:3,1])
print("#"*30)
print(Y[0:3][1])    #Y[0:3]相当于Y本身

##################################################################################################################################################################################

output:

shape of Y is  (3, 3, 3) , type of Y is  <class 'numpy.ndarray'>
[[[1 1 1]
  [2 0 0]
  [3 0 0]]

 [[4 4 4]
  [5 0 0]
  [6 0 0]]

 [[7 7 7]
  [8 0 0]
  [9 0 0]]]
##################################################
[[2 0 0]
 [5 0 0]
 [8 0 0]]
##############################
[[4 4 4]
 [5 0 0]
 [6 0 0]]

Process finished with exit code 0

注意shape[1:]与shape[1]的区别：

(1) shape[1:]的类型是tuple，而shape[1]的类型是int；

(2) [1:]的作用为获取从索引1到最后一个位置的索引值（默认首位索引为0），可用于字符串、列表和元组。详见python 中[1:]、[:-1]和[::-1]详解_淮水竹亭-CSDN博客_python[1,-1]和【Python 小知识】[:-1] 和 [::-1]_VirusScanLog的博客-CSDN博客。

import numpy as np
import scipy.io as sio

org = sio.loadmat('I.mat')['I']     #org.shape为(4, 5, 3) 格式H,W,C
new = np.zeros((4, 5, 3))   #new.shape为(4, 5, 3)
print("shape of org is ",org.shape)
print("shape of new is ",new.shape)
new = org[:,:,1]
print("shape of new is ",new.shape)

newnew = org.shape[1:]
print("[1:]: newnew is ",newnew,", and type of newnew is ",type(newnew))
newnew = org.shape[1]
print("[1]: newnew is ",newnew,", and type of newnew is ",type(newnew))

##################################################################################################################################################################################

output:

shape of org is  (4, 5, 3)
shape of new is  (4, 5, 3)
shape of new is  (4, 5)
[1:]: newnew is  (5, 3) , and type of newnew is  <class 'tuple'>
[1]: newnew is  5 , and type of newnew is  <class 'int'>

Process finished with exit code 0

参考文献：

python 中[1:]、[:-1]和[::-1]详解_淮水竹亭-CSDN博客_python[1,-1]

【Python 小知识】[:-1] 和 [::-1]_VirusScanLog的博客-CSDN博客