数组的切割

import numpy as np

 

a = np.array([[1,2,3],[4,5,6],[7,8,9]]) #<class 'numpy.ndarray'>

print(a)

"""

array([[1, 2, 3],

       [4, 5, 6],

       [7, 8, 9]])

"""

 

>>> b = a[:,0] #取所有行的第0个数据,从第0列开始

>>> b

array([1, 4, 7])

>>> b.shape

(3,)

>>> b.ndim

1

 

>>> c = a[:,1] #取所有行的第1个数据,从第0列开始

>>> c

array([2, 5, 8])

>>> c.shape

(3,)

>>> c.ndim

1

 

>>> d = a[:,1:] # 第一维全部取,即所有行,列上从第一列开始取,不要第0列

>>> d

array([[2, 3],

       [5, 6],

       [8, 9]])

>>> d.shape

(3, 2)

>>> d.ndim

2

 

>>> e = a[1,:] # 取第一维中下标为1的元素的所有的数据,取第二维所有的元素

>>> e

array([4, 5, 6])

>>> e.shape

(3,)

>>> e.ndim

1

 

>>> f = a[:2,1:] # 第一维中从第0行取到第1行,第二维中从第1列取到最后一列

>>> f

array([[2, 3],

       [5, 6]])

>>> f.shape

(2, 2)

>>> f.ndim

2

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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