numpy矩阵切割 x = raw_data[ : , :-1]

备注：解释《数据分析与数据运营》第188页
x = raw_data[ : , :-1]

当矩阵为一维时（即向量）：

#一维矩阵（向量）的切割类似于对列表/元组的切片

a=arange(10)
a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

a[0:9] #从下标0开始切割到下标9(不包括9)
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

a[:9] #等价于a[0:9]
array([0, 1, 2, 3, 4, 5, 6, 7, 8])

a[0:] #从下标0开始到向量最后一个元素
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

a[3:7] #从下标3开始到下标7(不包括7)
array([3, 4, 5, 6])

a[:] #取尽
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
当矩阵为二维矩阵时：
#二维矩阵a(5,4),可以看做类C语言中的二维数组，括号从外至内是第1，第2维。（5,4）即第一维有5个向量，每一个向量又是一个包含4个元素的向量（第二维）

a=arange(20).reshape(5,4)
a
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19]])

a[:,:] #第一维全取，第二维全取，第一维和第二维之间用",“相隔，各维中用”:"选择“各维下标”
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11],
[12, 13, 14, 15],
[16, 17, 18, 19]])

a[0:2,1:3] #第一维取下标0到2(不包括2),第二维取下标1到3(不包括3)，即取第0_2行的第13列元素
array([[1, 2],
[5, 6]])

a[:3,1:] #第一维取下标从头至3(不包括3),第二维取下标1至尾
array([[ 1, 2, 3],
[ 5, 6, 7],
[ 9, 10, 11]])

a[2:,:3] #第一维取下标2至尾，第二维取下标开头至3(不包括3)
array([[ 8, 9, 10],
[12, 13, 14],
[16, 17, 18]])

a[3,:] #第一维单取下标3，第二维取全部
array([12, 13, 14, 15])
多维矩阵（以三维矩阵为例）
三维矩阵a可以看做类C语言中的三维数组，第一维4，第二维3，第三维3；括号从外至内是第1，第2维，第3维。（更高维数组依次排列）

a=arange(36).reshape(4,3,3)
a
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],

   [[ 9, 10, 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]]])

#同二维矩阵一样，[]中用",“区分维度，同维中用”："切分

a[1:3,:2,1:2] #第一维下标从1至3(不包括3)，第二维从开头至2(不包括2)，第三维下标从1至2(不包括2)
array([[[10],
[13]],

   [[19],
    [22]]])

a[:,:,:] #全选
array([[[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8]],

   [[ 9, 10, 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]]])

总之，numpy的矩阵分割就是根据"[]"从外至内一层层按着“：”给出的下标范围一层层切分。

作者：镜镜詅痴
来源：CSDN
原文：https://blog.csdn.net/qq_29599907/article/details/80507400
版权声明：本文为博主原创文章，转载请附上博文链接！