Numpy矩阵的切片(slicing)和索引(indexing) |
您所在的位置:网站首页 › 矩阵切片号 › Numpy矩阵的切片(slicing)和索引(indexing) |
切片(slicing)操作
Numpy中的多维数据的切片操作和Python中对于list的切片操作是一样的。参数由start,stop,step三个部分构成。 import numpy as np arr = np.arange(12) print 'array is:', arr slice_one = arr[:4] print 'slice begins at 0 and ends at 4 is:', slice_one slice_two = arr[7:10] print 'slice begins at 7 and ends at 10 is:', slice_two slice_three = arr[0:12:4] print 'slice begins at 0 and ends at 12 with step 4 is:', slice_three array is: [ 0 1 2 3 4 5 6 7 8 9 10 11] slice begins at 0 and ends at 4 is: [0 1 2 3] slice begins at 7 and ends at 10 is: [7 8 9] slice begins at 0 and ends at 12 with step 4 is: [0 4 8]以上是numpy操作一维数据的例子,如果是多维数组,只需在每个维度之间用 逗号 隔开。 注意:切片都是前闭后开,即切片结果包括start,但是不包括stop # coding: utf-8 import numpy as np arr = np.arange(12).reshape((3, 4)) print 'array is:' print arr # 取第一维的索引 1 到索引 2 之间的元素,也就是第二行 # 取第二维的索引 1 到索引 3 之间的元素,也就是第二列和第三列 slice_one = arr[1:2, 1:3] print 'first slice is:' print slice_one # 取第一维的全部 # 按步长为 2 取第二维的索引 0 到末尾 之间的元素,也就是第一列和第三列 slice_two = arr[:, ::2] print 'second slice is:' print slice_two array is: [[ 0 1 2 3] [ 4 5 6 7] [ 8 9 10 11]] first slice is: [[5 6]] second slice is: [[ 0 2] [ 4 6] [ 8 10]]对于维数超过 3 的多维数组,还可以通过 '...' 来简化操作 # coding: utf-8 import numpy as np arr = np.arange(24).reshape((2, 3, 4)) print arr[1, ...] # 等价于 arr[1, :, :] print arr[..., 1] # 等价于 arr[:, :, 1] [[12 13 14 15] [16 17 18 19] [20 21 22 23]] [[ 1 5 9] [13 17 21]] 索引(indexing)操作对于多维数组来说,最常见的操作就是获取一个特定位置的值,如下所示: # coding: utf-8 import numpy as np arr = np.array([ [1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16] ]) print '第二行第二列的值:', arr[1, 1] 第二行第二列的值: 4相比之下,Python对于list获取同一位置的操作如下: # coding: utf-8 arr = [ [1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16] ] print '第二行第二列的值:', arr[1][1] try: print '第二行第二列的值(尝试用 Numpy 的方式获取):', arr[1, 1] except Exception as e: print str(e) 第二行第二列的值: 4 第二行第二列的值(尝试用 Numpy 的方式获取): list indices must be integers, not tuple相比之下可能二维数组对于同一操作来说差别并不大,试想如果是一个10维数组,那么执行这个标准操作Python索引list就需要10对[],而用numpy操作只需要写1对。 获取多个元素事实上,在Numpy的索引操作方式 'x = arr[obj]' 中,obj不仅仅是一个用逗号分开的数字序列,还可以是更复杂的内容。 1.用逗号分隔的数组序列 数组序列的长度要和多维数组的维度一致序列中每个数组的长度要一致 import numpy as np arr = np.array([ [1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16] ]) print arr[[0, 2], [3, 1]] [4 6]对于上面这个例子,先选择第1行和第3行,然后再选择第1行的第4列,第3行的第2列组成新的数组。 2.boolean/mask index 所谓boolean index就是利用一个boolean表达式的形式确定索引,比如下例 array([[1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16]])要取其中大于 5 的元素: import numpy as np arr = np.array([[1, 2, 3, 4], [2, 4, 6, 8], [3, 6, 9, 12], [4, 8, 12, 16]]) mask = arr > 5 print 'boolean mask is:' print mask print arr[mask] boolean mask is: [[False False False False] [False False True True] [False True True True] [False True True True]] [ 6 8 6 9 12 8 12 16] 切片和索引的异同切片和索引都是获取数组中元素的方法,不过两者又有差异: 切片得到的是原多维数组的一个 视图(view) 修改切片中的内容也会导致原数组的值发生变化切片得到的是连续的或按照一定步长连续排列的值,而索引得到的是任意位置的值,自由度更大一些。 转自: Numpy操作多维数组 |
CopyRight 2018-2019 办公设备维修网 版权所有 豫ICP备15022753号-3 |