numpy的索引和切片的简单操作

最新推荐文章于 2023-11-02 13:30:00 发布
最新推荐文章于 2023-11-02 13:30:00 发布
阅读量1k 收藏 1
点赞数
文章标签： 数据分析 numpy 索引
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.csdn.net/qq_37925969/article/details/121461484
版权
本文详细介绍了numpy数组的索引、切片操作，包括取特定行、列，以及如何进行行、列和整个数组的翻转。通过实例展示了如何使用索引和切片对二维数组进行操作，并探讨了这些技巧在图片处理中的应用，如图片的左右翻转和裁剪。
摘要由CSDN通过智能技术生成

numpy 的索引和切片操作。
是numpy 模块当中的重点内容。
索引和切片可以取得数组或者列表这些容器当中任意的数据。
numpy 模块当中索引和切片更加的灵活。
numpy 索引操作和列表的索引操作是一样的。
那么接下来就进行索引和切片的演示操作

首先先创建一个提供切片和索引的数组这里我们使用random.randint 来创建。
arr = np.random.randint(1,100,size=(5,6))
arr
low=1 high=100 size 5 行 6 列的数组
打印出来
在这里插入图片描述

取下标为1 的一行（ 0,1,2,3,4 共5行）
arr[1]
array([10, 34, 31, 53, 46, 80])
在这里插入图片描述

取下标为1,3,4 的多行
arr[[1,3,4]]
array([[10, 34, 31, 53, 46, 80],
[93, 51, 52, 41, 90, 31],
[63, 94, 14, 50, 45, 1]])
在这里插入图片描述

那么这样的行为就是numpy 数组的索引操作。

那么接下来讲解numpy 的切片
arr[0:2]
array([[70

最低0.47元/天 解锁文章
歌未尽东方白
关注
numpy——索引与切片
weixin_44617944的博客
10-23 252
整数索引 一维数组 x = np.array([1, 2, 3, 4, 5, 6, 7, 8]) print(x[2]) 3 二维数组 x = np.array([[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]]) print(x[2]) print(x[2][1]) print(x[2, 1]) [21 22 23 24 2
numpy之索引和切片
weixin_30845171的博客
05-20 225
索引和切片 一维数组 一维数组很简单，基本和列表一致。 它们的区别在于数组切片是原始数组视图（这就意味着，如果做任何修改，原始都会跟着更改）。 这也意味着，如果不想更改原始数组，我们需要进行显式的复制，从而得到它的副本（.copy())。 import numpy as np #导入numpy arr = np.arange(10) #类似于list的range() arr Out[3]...
Numpy_02 索引和切片
Mrzhang
09-20 536
github博客传送门 博客园传送门 一维数组 arr = np.arange(10) # 创建一个 0-9的数组 print (arr) print (arr[5]) #arr的第6个元素 print (arr[5:8]) # arr的第6-8个元素，[5:8]左闭右开 arr[5:8] = 12 # 对数组的切片的改变 会直接使原数组的值进行改变 print (arr) arr_sli...
numpy 索引和切片
Henry的博客
05-16 3264
1. 索引元素 数组的索引和列表相似 2. 切片 数组的切片也和列表类似，并且支持负索引，左开右闭形式 省略参数写法 省略第一个参数，默认从开头开始取值（左开右闭） 省略第二个参数，默认取到结束，包括最后一个索引值 3. 应用举例 计算电影的每日票房收入 就是拿第二天的票房减去前一天的票房 4. 多维数组 多维数组的形状：shape -------2 行，4列 查看元素的总个数：size------8 查看数组的维度：ndim -...
NumPy：索引 + 切片
超悠閒的博客
06-24 916
NumPy：索引 + 切片 文章目錄NumPy：索引 + 切片簡介參考正文一維數組多維數組其他索引布爾索引order 排列方式結語 NumPy：索引 + 切片 簡介 參考 正文 一維數組 多維數組 其他索引 布爾索引 order 排列方式 結語 簡介 前一篇：NumPy：起步 + 創建數組。我們已經能夠建立多維數組了，接下來本篇將要來講解如何索引(Index)和切片(Slice)，簡單來說就是選定特定元素或是指定區間的元素。 參考 NumPy 切片和索引 h
numpy 索引及切片
01-21
numpy 索引及切片基本索引及切片一维数组二维数组三维数组布尔型索引及切片数组索引及切片值的更改、复制 基本索引及切片 一维数组 import numpy a = numpy.arange(0,20) print(a) print(a[4]) print(a[4:10]) 二维...
numpy中索引和切片详解
09-20
在numpy库中，索引和切片是访问和操作数组数据的重要方式，尤其在处理多维数据时。这里我们将深入探讨这些概念。 首先，一维数组的索引和切片与Python中的列表类似，但有一个关键区别：数组的切片是原始数组的视图...
numpy索引和切片
小子令狐冲
02-24 738
1、基本的索引和切片基本索引与切片与python列表操作类似arr = [1,2,3,4,5] arr[2:4] #[3,4] 当把标量值赋予给一个切片时（如arr[2:4]=12），该值会广播到整个选区。注意数组切片是原始数组的视图。这意味着数据不会被复制，视图上的任何修改都会直接反映到源数据上。多维数据索引中，索引位置上的元素不是标量，而是一维数组了arr2=np.array([[1,2,3...
numpy的索引与切片
Sahar_的博客
08-20 227
3、索引与切片 3.1 一维数组 import numpy as np arr1 = np.arange(10) print('原始数组',arr1) print('取单独的一个数据') print(arr1[0]) print(arr1[-1]) print('取多个数据') print(arr1[0:-1]) print(arr1[0:3:2]) 注意点： 1、取单个数据，取下标，下标从0...
Numpy-索引及切片
大志的博客
05-01 658
索引和切片在基础语法那篇文章中介绍过，python内置的数据类型基本都可以使用索引和切片，numpy是一个数组对象，我们来看看它的索引和切片有什么不同的地方。 普通索引及切片 # 一维数组：和python中的列表一样 ar = np.arange(20) print(ar) print(ar[4]) print(ar[3:6]) # 二维数组 ar = np.arange(16).reshape...
numpy数据索引与切片
weixin_43092663的博客
04-08 4886
详细介绍numpy的切片和索引，尤其是使用：进行切片，并进一步介绍了整数数组索引、布尔索引和花式索引
numpy数组的索引与切片
weixin_53591842的博客
11-23 976
ndarray的索引和切片获取内容
NumPy索引切片
weixin_30685047的博客
04-07 139
索引，切片和迭代 一维数组可以被索引，切片和迭代，就像 列表 和其他Python序列一样。 代码实例解析数组中的索引切片 >>> import numpy as np #导入numpy 别名为np>>> a = np.arange(10)**3>>> aarray([ 0, 1, 8, 27, 64, 1...
NumPy 学习 第二篇：索引和切片
悦光阴的博客
10-10 206
数组索引是指使用中括号 [] 来定位数据元素，不仅可以定位到单个元素，也可以定位到多个元素。索引基于0，并接受从数组末尾开始索引的负索引。 举个例子，正向索引从0开始，从数组开始向末尾依次加1递增；负向索引从-1开始，逐个元素 -1 ，不管使用正向索引还是负向索引，最右侧的元素的索引值是最大的，最左侧的元素的索引值是最小的。 >>> x = np.arange(10) &gt...
NumPy 基本操作(数组的基础索引与切片)
weixin_38477351的博客
01-12 1708
数组的索引与切片 一、多维数组的索引 二、数组的切片 1、在各维度上单独切片，如果某维度都保留，则直接使用 : 冒号，不指定起始值和终止值。 2、注意，Numpy中通过切片得到的新数组，只是原来...
Numpy数据分析02——切片和索引
qq_44777595的博客
09-25 2883
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 注意：区别在于数组切片是原始数组视图（这就意味着，如果做任何修改，原始数组都会跟着更改）。这也意味着，如果不想更改原始数组，我们需要进行显式的复制，从而得到它的副本(.copy())。 通过切片和copy复制原列表都是复制赋值，通过直接等于是引用赋值。 冒号:的解释：如果只放置一个参数，为什么切片和区间会忽略最后一个元素 计算机科学家edsger w.dij
【Python Numpy教程】切片和索引
最新发布
m0_62599305的博客
11-02 7120
NumPy是Python中用于科学计算的重要库之一，它提供了多维数组对象和许多用于操作这些数组的函数。在本教程中，我们将探讨NumPy中的数组切片和索引，这是使用NumPy进行数据处理和分析时的关键概念。数组切片和索引使您能够访问、操作和修改NumPy数组的元素，对于数据处理和提取特定数据非常有用。在本教程中，我们介绍了如何使用NumPy进行数组切片和索引。这些功能使您能够有效地访问和操作NumPy数组中的元素。使用索引访问单个元素或使用负索引访问数组末尾的元素。
numpy学习之六：numpy的切片和索引
baicaiBC3的博客
12-22 2461
numpy数组切片和索引： # numpy数组切片和索引 def testArray(): # 数组取值 print("数组取值：") a = np.array([1, 2, 3, 4, 5]) print(a[:]) # [1 2 3 4 5] print(a[2]) # 3 # 数组切片取值start:stop:step print("\n数组切片取值：") c = np.arange(10) # [0 1 2 3 4 5 6 7
深入理解numpy数组索引与切片
在Python的科学计算库NumPy中，索引和切片是操作数组数据的重要手段。NumPy数组与Python列表类似，但在处理大量数据时具有更高的效率和性能。下面将详细介绍这些概念。 首先，我们来看一维数组。一维数组的索引和...
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
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
实付元
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