numpy切片操作

一、总结

一句话总结:

numpy切片结构:array[start:stop:step,start:stop:step],前面的start:stop:step表示行,后面的start:stop:step表示列



arr1=np.arange(1,17).reshape((4,4))
print(arr1)
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]
[13 14 15 16]]

print(arr1[1:3,1::2])
[[ 6 8]
[10 12]]


 

 

 

二、numpy数组切片操作之[:,2]、[-1:,0:2]、[1:,-1:]等都是啥?

转自或参考:numpy数组切片操作之[:,2]、[-1:,0:2]、[1:,-1:]等都是啥?

https://blog.csdn.net/qq_41375609/article/details/95027651




注:最近在看代码,有好多关于numpy库的函数,尤其对于numpy数组,什么[:,2]、[-1:,0:2]、[1:,-1:]搞得一脸懵逼,百度没找到解释得很到位的,官网教程也也真是够简洁的。所以,还是得自己去实打实的敲一下,加强理解。

numpy数组切片操作

通过冒号分隔切片参数 start:stop:step 来进行切片操作:

形如:

b = a[2:7:2]   # 从索引 2 开始到索引 7 停止,间隔为 2


冒号 ​​:​​ 的解释:如果只放置一个参数,如 [2],将返回与该索引相对应的单个元素。如果为 [2:],表示从该索引开始以后的所有项都将被提取。如果使用了两个参数,如 [2:7],那么则提取两个索引(不包括停止索引)之间的项。

一维数组

一维数组就如上所说,直接给例子看

>>>import numpy as np
>>>a = np.array([1,2,3,4,5,6,7,8])


1.只有一个参数

>>> a[1] #具体的元素 2
2
>>> a[1:] #冒号前面是起,后面是止,冒号前面空,指最小0,后面放空就是到最后,这里是一维数组
array([2, 3, 4, 5, 6, 7, 8])


对比一下下面这两个,一个是一维数组,一个是具体的单个元素,为什么呢?看后面解释。

>>> a[7:]
array([8])
>>> a[7]
8


2.两个参数

>>> print(a[1:3])  #从索引1开始,也就是第二个元素2,到索引3,不包括索引3
[2 3]


3.三个参数

>>> print(a[1:7:2]) #从索引1开始,到索引7,不包括索引7,间隔为2
[2 4 6]


一维数组,很好理解,毕竟中括号​​[]​​里只有冒号​​:​​,没有逗号​​,​

二维数组

先定义一个二维数组

>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3]
[3 4 5]
[4 5 6]]


简单:
>>> a[1]
array([3, 4, 5])


单个参数的话,就是指的是1,第二行或第二列。这里是行,因为行优先我猜。

所以就是第2行的元素

>>> a[1:]
array([[3, 4, 5],
[4, 5, 6]])


出现了冒号,意思是从第二号到最后,这里指的也是行。冒号后面没有数就是指最大的。冒号前面没有数,就是指最小数0。如下

>>> a[:2]
array([[1, 2, 3],
[3, 4, 5]])


这里的意思就是,从0开始,到2,也就是第1行第二行。(第三行不算)

>>> a[1:2]
array([[3, 4, 5]])


现在是两个参数了,不过只有一个冒号​​:​​,跟一维数组一样,是从第二行到第三行,不包括第三行。

进阶
>>> a[1,]
array([3, 4, 5])
>>> a[1:,]
array([[3, 4, 5],
[4, 5, 6]])
>>> a[:2,]
array([[1, 2, 3],
[3, 4, 5]])
>>> a[1:2,]
array([[3, 4, 5]])


跟上面三个对比一下,发现输出一模一样。

总结:

这是numpy的切片操作,一般结构如num[a:b,c:d],分析时以逗号为分隔符
逗号之前为要取的num行的下标范围(a到b-1),逗号之后为要取的num列的下标范围(c到d-1);
前面是行索引,后面是列索引
如果是这种num[:b,c:d],a的值未指定,那么a为最小值0;
如果是这种num[a:,c:d],b的值未指定,那么b为最大值;c、d的情况同理可得。

所以重点就是看逗号,没逗号,就是看行了,冒号呢,就看成一维数组的形式啦。那上面逗号后面没有树,也就是不对列操作咯。

当然也可以这样:

>>> a[:2:1]
array([[1, 2, 3],
[3, 4, 5]])


首先没有逗号,那切片就是只看行了,这里的意思是,从0开始到2(2不算),间隔为1。

进阶up

首先先把原数组再看一下。

>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3]
[3 4 5]
[4 5 6]]
>>> a[:,1]
array([2, 4, 5])


逗号前面是行,行都没有指定数,也就是说对行每要求,只考虑列了。

这里的意思是:逗号之后是列,只有一个元素1,就是取第2列了。

>>> a[:,1:3]  #第2列到第3列
array([[2, 3],
[4, 5],
[5, 6]])
>>> a[:,0:2] #第1列到第2列
array([[1, 2],
[3, 4],
[4, 5]])
>>> a[:,] #对列也不操作,跟下面等价
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])
>>> a[:,:]
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])


但是,下面的写法是错的!!! (就是逗号在最前面都是错的)

>>> a[,1]
File "<stdin>", line 1
a[,1]
^
SyntaxError: invalid syntax
>>> a[,]
File "<stdin>", line 1
a[,]
^
SyntaxError: invalid syntax
>>> a[,:1]
File "<stdin>", line 1
a[,1]
^
SyntaxError: invalid syntax


到这,应该能基本看得懂所有的切片操作了吧!!!

但是,我们可能还会遇到负号,比如-1、-2…等这些。这些怎么理解呢

看下图

numpy切片操作_二维

也就是说,-1就是指最后一个(行/列),依次递推。

实战一波
>>> a[:,-1]  #就是最后一列啦
array([3, 5, 6])
>>> a[:,-3:] #倒3列,也就是这个数组的第一列,一直到最后。
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])
>>> a[:,-3:-1] #倒3列,到倒1列,不包括倒一列。
array([[1, 2],
[3, 4],
[4, 5]])


其他行和列就都差不多啦

ok,现在看看稍微难理解的。

进阶upup

对比一下下面两个,发现他们的维度不同,一个是一维的,一个是二维的。

我们上面也遇到一个,一个是一维,一个是具体的单个元素。

>>> a[:,-1]
array([3, 5, 6])
>>> a[:,-1:]
array([[3],
[5],
[6]])


我的理解:

第一个是,指定了最后一列,也就是说,在二维数组里的一列,就是一维的啊。那么第二个,是从最后一列开始,不妨假设一下后面还有列,那么就应该是不止一列,对机器来说,就是二维的。机器肯定不知道什么时候是一维,什么时候是二维的,所以当你用到start和stop的时候,那就当作是二维的了。

我的建议:

官网给出的教程实在是太简洁了。不够详细,所以啊,还是要自己动动手,就能很快明白numpy数组的切片操作了。

注;以上就是博主能想到的所以切片操作了吧,关于我的理解,如果有误的话,还请大佬指出,共同学习呀。


 


我的旨在学过的东西不再忘记(主要使用艾宾浩斯遗忘曲线算法及其它智能学习复习算法)的偏公益性质的完全免费的编程视频学习网站: ​​fanrenyi.com​​;有各种前端、后端、算法、大数据、人工智能等课程。

一些博文中有一些参考内容因时间久远找不到来源了没有注明,如果侵权请联系我删除。

博主25岁,前端后端算法大数据人工智能都有兴趣。

人工智能群:939687837

作者相关推荐

感悟总结

其它重要感悟总结

​感悟总结200813​​ ​ ​最近心境200830​​ ​ ​最近心境201019​​ ​ ​201218-210205​