NumPy - 索引和切片
-
简述
ndarray 对象的内容可以通过索引或切片来访问和修改,就像 Python 的内置容器对象一样。如前所述,ndarray 对象中的项目遵循从零开始的索引。提供三种类型的索引方法 -field access, basic slicing和advanced indexing.基本切片是 Python 对 n 维切片的基本概念的扩展。一个 Python 切片对象是通过给出start, stop, 和step内置参数slice功能。将此切片对象传递给数组以提取数组的一部分。 -
示例 1
import numpy as np a = np.arange(10) s = slice(2,7,2) print a[s]
它的输出如下 -[2 4 6]
在上面的例子中,一个ndarray对象由arange()功能。然后分别使用 start、stop 和 step 值 2、7 和 2 定义切片对象。当这个切片对象被传递给 ndarray 时,它的一部分从索引 2 开始到 7,步长为 2 被切片。也可以通过将分片参数用冒号 : (start:stop:step) 直接传递给ndarray目的。 -
示例 2
import numpy as np a = np.arange(10) b = a[2:7:2] print b
在这里,我们将得到相同的输出 -[2 4 6]
如果只放一个参数,则返回与索引对应的单个项目。如果在其前面插入 :,则从该索引开始的所有项目都将被提取。如果使用两个参数(在它们之间带有 :),则默认第一步的两个索引(不包括停止索引)之间的项目将被切片。 -
示例 3
# slice single item import numpy as np a = np.arange(10) b = a[5] print b
它的输出如下 -5
-
示例 4
# slice items starting from index import numpy as np a = np.arange(10) print a[2:]
现在,输出将是 -[2 3 4 5 6 7 8 9]
-
示例 5
# slice items between indexes import numpy as np a = np.arange(10) print a[2:5]
在这里,输出将是 -[2 3 4]
以上描述适用于多维ndarray也。 -
例 6
import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print a # slice items starting from index print 'Now we will slice the array from the index a[1:]' print a[1:]
输出如下 -[[1 2 3] [3 4 5] [4 5 6]] Now we will slice the array from the index a[1:] [[3 4 5] [4 5 6]]
切片还可以包括省略号 (...) 以生成长度与数组维度相同的选择元组。如果在行位置使用省略号,它将返回一个包含行中项目的 ndarray。 -
例 7
# array to begin with import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print 'Our array is:' print a print '\n' # this returns array of items in the second column print 'The items in the second column are:' print a[...,1] print '\n' # Now we will slice all items from the second row print 'The items in the second row are:' print a[1,...] print '\n' # Now we will slice all items from column 1 onwards print 'The items column 1 onwards are:' print a[...,1:]
该程序的输出如下 -Our array is: [[1 2 3] [3 4 5] [4 5 6]] The items in the second column are: [2 4 5] The items in the second row are: [3 4 5] The items column 1 onwards are: [[2 3] [4 5] [5 6]]