使用 Numpy 数组：索引和切片

2018-10-02 08:00:00 · 飞浪

介绍索引和切片是使用Numpy数组时需要熟悉的两个最常见的操作。当您想要使用数组的子集时，您将使用它们。本指南将带您了解多维数组上的索引和切片的世界。索引索引一维数

介绍

索引和切片是使用 Numpy 数组时需要熟悉的两个最常见的操作。当您想要使用数组的子集时，您将使用它们。本指南将带您了解多维数组上的索引和切片的世界。

索引

索引一维数组

让我们讨论一下索引一维数组。我们有一个数组array1：

      import numpy as np
array1 = np.arange(0,10)
array1
    

输出：

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

与 Java 和 C# 等编程语言类似，索引从零开始。因此，要访问数组中的第三个元素，请使用索引 2。

      array1[2]

输出：

索引二维数组

假设我有一个二维数组：

      array1 = np.arange(12).reshape(4,3)
array1
    

输出：

      array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
    

要访问此数组中的元素，请使用两个索引。一个用于行，另一个用于列。请注意，列和行索引均以 0 开头。因此，如果我需要访问值“10”，请使用行索引“3”和列索引“1”。

      array1[3][1]

输出：

索引三维数组

让我们再上一层楼。要访问三维数组，还需要包含第三维的索引。三维数组可能很难想象，但让我们尽力尝试。

首先，让我创建一个三维数组：

      array1 = np.arange(18).reshape(3,2,3)
array1
    

输出：

      array([[[ 0,  1,  2],
           [ 3,  4,  5]],

          [[ 6,  7,  8],
           [ 9, 10, 11]],

          [[12, 13, 14],
           [15, 16, 17]]])
    

请注意，这里有三个大小为 2*3 的二维数组。如果将数组重新整形为 (5,3,4) 大小，则会有五个大小为 3*4 的二维数组。

因此，要检索值“13”，首先通过指定索引“2”进入第三个二维数组。找到所需的二维数组后，即可访问所需的元素。

对于我们的情况，您需要使用索引 [2]、[0] 和 [1]，其中 '0' 表示第三个二维数组中的第 0 行，'1' 表示第 1 列。

      array1[2][0][1]

输出：

您还可以将相同的概念扩展到更高维数组。

切片

切片一维数组

要检索单个值，可以使用索引。同样，要检索值集合，可以使用切片。例如，让我定义一个一维数组

      array1 = np.arange(9)
array1
    

输出：

      array([0, 1, 2, 3, 4, 5, 6, 7, 8])

这是对数组进行切片的语法：

      array1[3:6]

输出：

      array([3, 4, 5])

索引 '3' 表示切片的起始元素，并且包含在内。索引 '6' 表示切片的终止元素，并且不包括在内。这就是我们在输出中没有得到值 '6' 的原因。

如果您没有指定起始和停止索引，您将获得所有值。

      array1[:]

输出：

      array([0, 1, 2, 3, 4, 5, 6, 7, 8])

这是因为如果索引缺失，默认情况下，Numpy 会插入选择整个数组的起始和终止索引。因此写入array1[:]相当于写入array1[0:9]

您可以扩展此概念以仅包含起始索引。在这种情况下，切片包含从起始索引到数组末尾的所有元素。例如：

      array1[4:]

输出：

      array([4, 5, 6, 7, 8])

或者，仅指定停止索引。

      array1[:7]

输出：

      array([0, 1, 2, 3, 4, 5, 6])

正如预期的那样，切片包含从数组开头到索引值的所有元素。选择起始或终止元素的规则仍然适用。

使用负索引

您还可以使用负值来获得更大的灵活性。要了解负值的工作原理，请查看下面的图片：

数组的每个元素都可以用两个索引引用。例如，“3”和“-6”都可用于检索值“40”。首先让我们声明一个具有类似值的数组：

      array1 = np.array([10,20,30,40,50,60,70,80,90])
array1
    

输出：

      array([10, 20, 30, 40, 50, 60, 70, 80, 90])

同时使用“3”和“-6”会产生相同的值。

      array1[3]

输出：

      array1[-6]

输出：

你也可以使用这个技巧来对数组进行切片。例如，

      array1[3:-2]

输出：

      array([40, 50, 60, 70])

下面是其工作原理的直观表示：

我们再试一次。这次我们对两个索引都使用负值。

      array1[-3:-1]

输出：

      array([70, 80])

但请注意，您无法更改索引的顺序。换句话说，切片操作不能向后移动。如果您尝试这样做，您将得到一个空数组作为输出。例如：

<div class="code

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

python

技术指南

阅读全文

使用 Numpy 数组：索引和切片

杭州电子商务研究院

6年前 · 面向社会、服务行业、政产学研结合、整合资源、和谐发展

介绍

索引

索引一维数组

让我们讨论一下索引一维数组。我们有一个数组array1：

      import numpy as np
array1 = np.arange(0,10)
array1
    

输出：

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

与 Java 和 C# 等编程语言类似，索引从零开始。因此，要访问数组中的第三个元素，请使用索引 2。

      array1[2]

输出：

索引二维数组

假设我有一个二维数组：

      array1 = np.arange(12).reshape(4,3)
array1
    

输出：

      array([[ 0,  1,  2],
       [ 3,  4,  5],
       [ 6,  7,  8],
       [ 9, 10, 11]])
    

      array1[3][1]

输出：

索引三维数组

让我们再上一层楼。要访问三维数组，还需要包含第三维的索引。三维数组可能很难想象，但让我们尽力尝试。

首先，让我创建一个三维数组：

      array1 = np.arange(18).reshape(3,2,3)
array1
    

输出：

      array([[[ 0,  1,  2],
           [ 3,  4,  5]],

          [[ 6,  7,  8],
           [ 9, 10, 11]],

          [[12, 13, 14],
           [15, 16, 17]]])
    

请注意，这里有三个大小为 2*3 的二维数组。如果将数组重新整形为 (5,3,4) 大小，则会有五个大小为 3*4 的二维数组。

因此，要检索值“13”，首先通过指定索引“2”进入第三个二维数组。找到所需的二维数组后，即可访问所需的元素。

对于我们的情况，您需要使用索引 [2]、[0] 和 [1]，其中 '0' 表示第三个二维数组中的第 0 行，'1' 表示第 1 列。

      array1[2][0][1]

输出：

您还可以将相同的概念扩展到更高维数组。

切片

切片一维数组

要检索单个值，可以使用索引。同样，要检索值集合，可以使用切片。例如，让我定义一个一维数组

      array1 = np.arange(9)
array1
    

输出：

      array([0, 1, 2, 3, 4, 5, 6, 7, 8])

这是对数组进行切片的语法：

      array1[3:6]

输出：

      array([3, 4, 5])

索引 '3' 表示切片的起始元素，并且包含在内。索引 '6' 表示切片的终止元素，并且不包括在内。这就是我们在输出中没有得到值 '6' 的原因。

如果您没有指定起始和停止索引，您将获得所有值。

      array1[:]

输出：

      array([0, 1, 2, 3, 4, 5, 6, 7, 8])

这是因为如果索引缺失，默认情况下，Numpy 会插入选择整个数组的起始和终止索引。因此写入array1[:]相当于写入array1[0:9]

您可以扩展此概念以仅包含起始索引。在这种情况下，切片包含从起始索引到数组末尾的所有元素。例如：

      array1[4:]

输出：

      array([4, 5, 6, 7, 8])

或者，仅指定停止索引。

      array1[:7]

输出：

      array([0, 1, 2, 3, 4, 5, 6])

正如预期的那样，切片包含从数组开头到索引值的所有元素。选择起始或终止元素的规则仍然适用。

使用负索引

您还可以使用负值来获得更大的灵活性。要了解负值的工作原理，请查看下面的图片：

数组的每个元素都可以用两个索引引用。例如，“3”和“-6”都可用于检索值“40”。首先让我们声明一个具有类似值的数组：

      array1 = np.array([10,20,30,40,50,60,70,80,90])
array1
    

输出：

      array([10, 20, 30, 40, 50, 60, 70, 80, 90])

同时使用“3”和“-6”会产生相同的值。

      array1[3]

输出：

      array1[-6]

输出：

你也可以使用这个技巧来对数组进行切片。例如，

      array1[3:-2]

输出：

      array([40, 50, 60, 70])

下面是其工作原理的直观表示：

我们再试一次。这次我们对两个索引都使用负值。

      array1[-3:-1]

输出：

      array([70, 80])

但请注意，您无法更改索引的顺序。换句话说，切片操作不能向后移动。如果您尝试这样做，您将得到一个空数组作为输出。例如：

<div class="code

_{免责声明：本内容来源于第三方作者授权、网友推荐或互联网整理，旨在为广大用户提供学习与参考之用。所有文本和图片版权归原创网站或作者本人所有，其观点并不代表本站立场。如有任何版权侵犯或转载不当之情况，请与我们取得联系，我们将尽快进行相关处理与修改。感谢您的理解与支持！}

_查看原文

python

技术指南