python 将三维数据转为二维_Python二维数组与三维数组切片详解

如果对象是二维数组，则切片应当是x[:]的形式，里面有一个冒号，冒号之前和之后分别表示对象的第0个维度和第1个维度；

如果对象是三维数组，则切片应当是x[::]，里面有两个冒号，分割出三个间隔，三个间隔的前、中和后分别表示对象的第0、1、2个维度。

x[n,:]、x[:,n]、x[m:n,:]、x[:,m:n]

上面的中括号中(m:n)应当看成一个整体，除了(m:n)之外的冒号就是用来表明在哪个维度上操作的。

对于二维数组，在冒号前面的(n,)意味着对二维数组的第0个维度上的第n号元素操作，在冒号后面的(,n)意味着对二维数组的第1个维度上的第n号元素进行操作。如果n替换成(m:n)则表示对第m号到第n-1号元素操作。

举例：

import numpy as np

a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]])

print(a.shape)

print(a[0, :], a[0, :].shape)

print(a[1, :], a[1, :].shape)

print(a[-1, :], a[-1, :].shape)

print(a[0:2, :], a[0:2, :].shape)

print(a[:, 0], a[:, 0].shape)

print(a[:, 1], a[:, 1].shape)

print(a[:, -1], a[:, -1].shape)

print(a[:, 0:2], a[:, 0:2].shape)

运行结果如下：

(5, 4)

[1 2 3 4] (4,)

[5 6 7 8] (4