numpy三维切片还不会，那你会切西瓜吗？

numpy三维切片

1、numpy定义三维array

首先定义一个三维array

import numpy as np
array = np.array([
         [[14, 32, 56, 32, 48],
          [92, 53, 55, 63, 74],
          [46, 76, 45, 98, 12],
          [34, 65, 32, 12, 50]],
          
         [[58, 52, 32, 20, 32],
          [30, 30, 20, 85, 61],
          [20, 14, 34, 32, 15],
          [78, 35, 22, 30, 20]],
          
         [[10, 20, 15, 32, 85],
          [58, 20, 30, 58, 30],
          [56, 85, 32, 20, 12],
          [75, 55, 65, 85, 32]]
             ])

array的形状为（3，4，5）
array根据轴的方向分为axis = 0，axis = 1，axis = 2
将array进行可视化:

上图可以理解为三块（4x5）的数组快按axis = 0方向进行堆叠（stack），每一个小方块代表一个数值，其位置与array中元素位置相对应

2、对三维array沿axis = 0 方向切片

array[1, :, :]

array[1, :, :]
Out[4]: 
array([[58, 52, 32, 20, 32],
       [30, 30, 20, 85, 61],
       [20, 14, 34, 32, 15],
       [78, 35, 22, 30, 20]])

切片效果如图所示：

切片结果为上图红色部分

3、对三维array沿axis = 1 方向切片

array[：, 1, :]

array[:,1,:]
Out[5]: 
array([[92, 53, 55, 63, 74],
       [30, 30, 20, 85, 61],
       [58, 20, 30, 58, 30]])

切片效果如图所示：

切片结果为上图红色部分

4、对三维array沿axis = 2 方向切片

array[:,:,1]
Out[6]: 
array([[32, 53, 76, 65],
       [52, 30, 14, 35],
       [20, 20, 85, 55]])

切片效果如图所示：

切片结果为上图红色部分

5、不同方向求array最大值，np.max(array, axis = ?)

对数据在三维空间中是如何堆叠起来的有了深层次的理解之后，再来感受一下如何按照不同的方向去进行函数操作，以np.max()为例

np.max(array_, 0)，axis=0, 输出的形状就为第二维x第三维，即（4x5），想当与把第一维（3）合并成（1）维，最后的形状可以看成（1x4x5）

import numpy as np
array_ = np.array([
         [[14, 32, 56, 32, 48],
          [92, 53, 55, 63, 74],
          [46, 76, 45, 98, 12],
          [34, 65, 32, 12, 50]],
          
         [[58, 52, 32, 20, 32],
          [30, 30, 20, 85, 61],
          [20, 14, 34, 32, 15],
          [78, 35, 22, 30, 20]],
          
         [[10, 20, 15, 32, 85],
          [58, 20, 30, 58, 30],
          [56, 85, 32, 20, 12],
          [75, 55, 65, 85, 32]]
             ])
print('axis = 0 \n',np.max(array_, 0))
axis = 0 
 [[58 52 56 32 85]
 [92 53 55 85 74]
 [56 85 45 98 15]
 [78 65 65 85 50]]

np.max(array_, 1)，axis=1, 输出的形状就为第一维x第三维，即（3x5），想当与把第二维（4）合并成1个维度，最后的形状可以看成（3x1x5）

print('axis = 1 \n',np.max(array_, 1))
axis = 1 
 [[92 76 56 98 74]
 [78 52 34 85 61]
 [75 85 65 85 85]]

np.max(array_, 2)，axis=2, 输出的形状就为第一维x第三维，即（3x4），想当与把第三维（5）合并成1个维度，最后的形状可以看成（3x4x1）

print('axis = 2 \n',np.max(array_, 2))
axis = 2 
 [[56 92 98 65]
 [58 85 34 78]
 [85 58 85 85]]

总结

三维数组进行切片和函数操作的时候，可以把数组想象成三维空间的元素堆叠而成，按照axis=0、axis=1、axis=2三个方向进行操作，久而久之，便能熟能生巧。