NumPy 基本操作(数组的基础索引与切片)

最新推荐文章于 2022-05-16 17:39:42 发布
最新推荐文章于 2022-05-16 17:39:42 发布
阅读量1.7k 收藏 4
点赞数
分类专栏： python 数据分析核心能力提升—numpy篇
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/weixin_38477351/article/details/103945473
版权
本文介绍了NumPy数组的基础索引与切片操作，包括一维和多维数组的索引方式。在NumPy中，数组切片是原数组的视图，对切片的修改会反映到原数组上。通过示例展示了如何进行一维和二维数组的切片，并强调了使用`copy()`来获取切片副本的重要性。
摘要由CSDN通过智能技术生成

                                                        数组的基础索引与切片

一、多维数组的索引

    numpy 数组索引是一个大话题，有很多种方式可以让你选中数据的子集或某个单个元素。一维数组比较简单，看起来和 python 的列表很类似：

          

    如你所见，如果你传入了一个数值给数组的切片，例如 arr[5:8]=12，数值被传递给了整个切片。区别于 python 的内建列表，数组的切片是原数组的视图。这意味着数据并不是被复制了，任何对于视图的修改丢回反应到原数组上。

    例子如下：

        

    假如你是 Numpy 新手，你可能会感到惊讶，因为其他的数组编程语言都是更为急切的复制数据。由于 Numpy 被设计成适合处理非常大的数组，你可以想象如果 Numpy 持续复制数

了解本专栏 订阅专栏 解锁全文 超级会员免费看
诗雨时
关注
专栏目录
订阅专栏
numpy索引和切片
小子令狐冲
02-24 758
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...
多维数组的索引与切片_Numpy多维数组索引与切片详解
weixin_31437777的博客
12-24 1646
作者：Zarten简介： 互联网一线工作者，尊重原创并欢迎评论留言指出不足之处，也希望多些关注和点赞是给作者最好的鼓励 ！概述numpy中多维数组的索引与切片跟python中的列表类似，但最大的区别是，数组切片是原始数组的视图，也就是说对视图上的修改直接会影响到原始数组，因为numpy的主要是处理大数据，如果每次切片都进行一次复制，那对性能和内存是相当大的考验。索引及切片1.一维数组的索引及切片...
基础数据的索引和切片
weixin_63595913的博客
11-23 259
基础数据的索引和切片
numpy之索引和切片
weixin_30845171的博客
05-20 234
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数组（二）- 数组的索引和切片
weixin_34292924的博客
03-26 381
##1. 基础知识 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，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。 ndarray [start:stop:step] start:表示数组切片的起始下标 ...
数组的索引与切片
weixin_46010280的博客
10-12 267
数组的切片操作 总结：[ ]中的切片顺序是从行切片开始。（1）[ : ][ : ]表示连续两次行切片操作（2）[ : , : ]表示一次行切片 数组的索引操作 (1)一维数组里，单个索引值返回对应的标量 (2）二维数组里，单个索引值返回对应的一维数组 (3）多维数组里，单个索引值返回对应的低一维数组 ...
python numpy数组的索引和切片的操作方法
09-20
NumPy 的数组索引和切片提供了灵活且高效的方式访问和操作数组数据。通过索引可以精确地获取单个元素，而切片则能方便地获取数组的一部分。在处理多维数组时，可以通过索引元组或者步长控制来获取不同维度的数据。...
python多维数组索引_Numpy多维数组索引与切片详解
weixin_39739234的博客
11-29 1017
作者：Zarten简介： 互联网一线工作者，尊重原创并欢迎评论留言指出不足之处，也希望多些关注和点赞是给作者最好的鼓励 ！概述numpy中多维数组的索引与切片跟python中的列表类似，但最大的区别是，数组切片是原始数组的视图，也就是说对视图上的修改直接会影响到原始数组，因为numpy的主要是处理大数据，如果每次切片都进行一次复制，那对性能和内存是相当大的考验。索引及切片1.一维数组的索引及切片...
Numpy_02 索引和切片
Mrzhang
09-20 549
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数组的索引与切片
weixin_53591842的博客
11-23 985
ndarray的索引和切片获取内容
数组的索引和切片
weixin_45499440的博客
10-11 1476
Numpy学习笔记004 六、数组的索引和切片 jupyter notebook 环境 1.一维数组的索引和切片 import numpy as np a1 = np.arange(2,19) print(a1[1]) #获取下标为1的元素 print("="*30) #切片 print(a1[:]) #取数组中所有数 print("="*30) print(a1[1:4]) #取左不取右 print("="*30) print(a1[2:6:2]) # [开始索引：结束索引 : 步长 ],这三个
numpy 索引和切片
Henry的博客
05-16 3290
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——索引与切片
weixin_44617944的博客
10-23 267
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的索引与切片
Sahar_的博客
08-20 237
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
05-01 669
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：索引 + 切片
超悠閒的博客
06-24 926
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数据索引与切片
weixin_43092663的博客
04-08 4921
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
Python Numpy数组的索引和切片
banzhuan133的博客
03-18 872
Numpy是Python的一个多维数组对象支持库，最近在看《机器学习实战》的时候经常对一些索引和切片的用法感到困惑，因此自己查了一些资料整理了一下。1.基本索引import numpy x=numpy.array([[1,2],[3.4],[5,6]]) print (x[0]) print(x[0][1]) # [1, 2] 2这里创建的是一个三行两列的数组，同C中的数组一样，x[0][1]代表...
深入理解numpy数组索引与切片
一维数组的索引和切片与Python列表非常相似，都是从0开始。例如，`arr[4]`返回数组中的第五个元素，因为索引从0开始。切片操作如`arr[3:6]`返回从索引3到6（不包括6）的子数组。值得注意的是，NumPy数组的切片操作...
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