python中索引怎么用_Python中numpy如何索引

继上篇讲过numpy切片问题后，今天就numpy索引问题，小编为大家带来详尽解析。

我们都知道，使用numpy可以存储和处理大型矩阵，必然需要学会使用矩阵的表示。矩阵中对应元素如何索引等。在此之前，我们已经学过线性代数中矩阵的表示，a[2][3]即表示第3行第4列的元素。那么，在numpy中也一样。

一维索引

import numpy as np

A = np.arange(3,15)

# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

print(A[3])    # 6A = np.arange(3,15).reshape((3,4))

"""

array([[ 3,  4,  5,  6]

[ 7,  8,  9, 10]

[11, 12, 13, 14]])

"""

print(A[2])

# [11 12 13 14]

A[2]对应的就是矩阵A中第三行(从0开始算第一行)的所有元素。

二维索引

当我们需要表示具体某个元素时，就需要使用到二维索引。依然使用上述例子。

print(A[1][1])      # 8

print(A[1,1])       # 8

对一定范围内的元素进行切片操作：

print(A[1, 1:3])    # [8 9]

for row in A:        # 对行操作

print(row)

"""

[3 4 5 6]

[ 7  8  9 10]

[11 12 13 14]

"""

for column in A.T:        # 对列操作

print(column)

"""

[ 3  7 11]

[ 4  8 12]

[ 5  9 13]

[ 6 10 14]

"""

注意：上述表示方法 A.T 即对A进行转置，再将得到的矩阵逐行输出即可得到原矩阵的逐列输出。

关于迭代输出的问题

import numpy as np

A = np.arange(3,15).reshape((3,4))

print(A.flatten())

# [ 3  4  5  6  7  8  9 10 11 12 13 14]

for item in A.flat:

print(item)

# 3

# 4

……

# 14

这一脚本中的flatten是一个展开性质的函数，将多维的矩阵进行展开成1行的数列。而flat是一个迭代器，本身是一个object属性。

numpy的切片和索引方法到这里就全部分享给大家了。更多Python学习推荐:JQ教程网Python大全。