对Numpy库ndarray对象(矩阵)中的数据元素的访问、选取操作示例

为了说明这个问题,初始化一个矩阵B,其尺寸为两行四列三通道。
代码如下:

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np

B = 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]]])
               

运行结果如下:
在这里插入图片描述
从其shape属性可以看出,B矩阵的尺寸为我们希望的三通道,两行,四列。
其具体的数据值如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

示例1:选取矩阵B的0通道

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np

B = 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]]])

C = B[0]   # 选取矩阵B的0通道

运行结果如下:
在这里插入图片描述
在这里插入图片描述

示例2:选取矩阵B的1通道

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np

B = 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]]])

C = B[1]   # 选取矩阵B的1通道

运行结果如下:
在这里插入图片描述

示例3:使用ndarray对象的切片操作同时选取矩阵的0通道和1通道

关于ndarray对象切片操作的详细介绍,可参见博文 https://www.hhai.cc/thread-117-1-1.html

# !/usr/bin/env python
# -*- coding: utf-8 -*-
import numpy as np

B = 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]]])

D = B[0:2]  # 同时选取矩阵的第0通道和第1通道

注意:切片操作的区间是左开右闭的,所以是D = B[0:2]而不是D = B[0:1]
运行结果如下:
在这里插入图片描述
在这里插入图片描述
在这里插入图片描述

示例4:选取矩阵B的第1通道的第1行

有两种方法可以实现这个操作。

方法一:用“[ ]”区分不同的维度
不推荐此种方法,原因见博文 https://www.hhai.cc/thread-118-1-1.html

import numpy as np

B = 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]]])

E = B[1][1]  # 选取矩阵B的第1通道的第1行的第一种方法

运行结果如下:
在这里插入图片描述
在这里插入图片描述
方法二:用逗号分隔不同的维度
推荐此种方法,原因见博文 https://www.hhai.cc/thread-118-1-1.html

import numpy as np

B = 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]]])

F = B[1, 1]  # 选取矩阵B的第1通道的第1行的第二种方法

在这里插入图片描述
在这里插入图片描述

示例5:选取矩阵B的第1通道第1行的第1列

代码如下:

import numpy as np

B = 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]]])

H = B[1, 1, 1]  # 选选取矩阵B的第1通道第1行的第1列的第二种方法

在这里插入图片描述

示例6:选取矩阵B的第1通道第1行的第1列到第3列

方法一:

import numpy as np

B = 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]]])

K = B[1, 1, 1:4]  # 选取矩阵B的第1通道第1行的第1列到第3列的第二种方法

在这里插入图片描述
方法二:
由于第三列就是最后一列,所以可下像下面这样写:

import numpy as np

B = 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]]])

L = B[1, 1, 1:]  # 选取矩阵B的第1通道第1行的第1列到第3列的第一种方法

在这里插入图片描述

示例7:选取矩阵B的第1通道第0行和第1行的第1列到第3列

这个有多种写法实现,这里给一种最好用的就行了,我们没必要刻意去把茴香豆的茴字的四种写法都搞清楚。
代码如下:

import numpy as np

B = 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]]])

M = B[1, 0:2, 1:]  # 选取矩阵B的第1通道第0行和第1行的第1列到第3列

在这里插入图片描述
在这里插入图片描述

示例8:利用元组或列表选取非连续的通道、行或列的方法

利用元组或列表选取非连续的通道、行或列的方法我已写在另一篇博文中,链接如下:
Python中使用元组或列表对ndarray的某个维度进行非连续选取和调序

示例9:通过数组矩阵进行高级索引操作

由于这部分内容较多,所以写在了另一篇博文中,链接 https://www.hhai.cc/thread-121-1-1.html

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
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
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