資訊專欄INFORMATION COLUMN
小編寫這篇文章的主要目的，是給大家做出一個比較詳細(xì)的介紹，介紹關(guān)于python中，ndarray數(shù)組索引和切片是怎么去進行使用的呢？具體的使用方法是什么呢？下面就給大家詳細(xì)的介紹下。
索引和切片相當(dāng)于是對數(shù)組中內(nèi)容的讀（read）或者查詢（inquiry）。是我們獲取有用信息（demanded infomation）的重要方法。
對于索引
對于1維數(shù)組：在數(shù)組名的后面用中括號[]包括索引編號，括號中填寫所查詢數(shù)組的編碼。比如：data[1]
對于n維數(shù)組：有兩種方式
第一種：用列表表示所查詢數(shù)的坐標(biāo)值，如data_2dim[1,0]
第二種：把多維數(shù)組看成一位數(shù)組套娃，依次取值，如data_2dim[1][0]
對于切片
對于1維數(shù)組：在數(shù)組名后加上中括號[]，在括號中填寫切片的范圍，m:n注意這個式子用冒號作為分隔符，表示的意義是m≤index＜n，如：data[2:4]；特別要注意的是m和n如果省略了，則默認(rèn)m=0，n=length(array)，也就是說默認(rèn)是第一位和最后一位。這個和matlab中的冒號表達式是不一樣的。
對于n維數(shù)組：把多維數(shù)組看成一位數(shù)組套娃，依次取值，要注意的是，多維數(shù)組的切片往往還是多維數(shù)組，如果需要得到具體某一個元素，則在切片之后還要進行索引操作。
可以在一下代碼中演示索引和切片操作：
import numpy as np data=np.array([0,1,2,3,4,5]) print(data[1]) print(data[2:4]) data_2dim=np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]]) print(data_2dim[1,0]) print(data_2dim[1][0]) print(data_2dim[1:4]) print(data_2dim[1:4][1:3][1][2])
運行結(jié)果如下：
1
[2 3]
4
4
[[4 5 6]
[7 8 9]
[10 11 12]]
12
[Finished in 1.3s]
總結(jié)一下，索引和切片都是對數(shù)組讀的操作，都使用方括號[](squre bracket)進行編號的框定。
特別要注意的是切片存放的變量和原來的數(shù)組變量在本質(zhì)上共享同一片內(nèi)存，如果修改了切片存放的變量，那么原來的數(shù)組的對應(yīng)元素也會對應(yīng)修改。如以下代碼所示：
data=np.arange(10) data_slice=data[3:6] print(data) print(data_slice) data_slice[2]=100 print(data) print(data_slice)
結(jié)果如下所示：
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 100 6 7 8 9]
[3 4 100]
[Finished in 2.2s]
如果需要在修改切片的同時不改變原來數(shù)組中的數(shù)據(jù)，可以使用.copy()方法。對上述代碼稍作修改，結(jié)果如下：
data=np.arange(10) data_slice=data[3:6].copy() print(data) print(data_slice) data_slice[2]=100 print(data) print(data_slice)
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 5 6 7 8 9]
[3 4 100]
[Finished in 2.5s]
綜上所述，關(guān)于這篇文章，小編就給大家介紹到這里了，希望可以給大家?guī)砀嗟囊粋€幫助。
文章版權(quán)歸作者所有，未經(jīng)允許請勿轉(zhuǎn)載,若此文章存在違規(guī)行為，您可以聯(lián)系管理員刪除。
轉(zhuǎn)載請注明本文地址：http://systransis.cn/yun/128185.html
摘要：一一維數(shù)組的索引與切片對象的內(nèi)容可以通過索引或切片來訪問和修改，與中的切片操作一樣。在指定位置分裂數(shù)組本身作為一個參數(shù)，分類位置構(gòu)成的列表作為第二個參數(shù)同時也可以對一維數(shù)組和多位數(shù)組進行操作。 1.概述 今天我們來講一下Numpy數(shù)組的索引與切片,numpy數(shù)組的索引與切片和Python中的切片與索引的作用相同,可以快速的取出數(shù)據(jù),進行下一步的運用或者查看,但是兩種切片還有一些不同的地...
摘要：提供了使我們能夠快速便捷地處理結(jié)構(gòu)化數(shù)據(jù)的大量數(shù)據(jù)結(jié)構(gòu)和函數(shù)。結(jié)構(gòu)化數(shù)據(jù)，例如多維數(shù)據(jù)矩陣表格行數(shù)據(jù)，其中各列可能是不同的類型字符串?dāng)?shù)值日期等?；A(chǔ)數(shù)組和矢量計算高性能科學(xué)計算和數(shù)據(jù)分析的基礎(chǔ)包。 本篇內(nèi)容為整理《利用Python進行數(shù)據(jù)分析》，博主使用代碼為 Python3，部分內(nèi)容和書本有出入。 利用 Python 進行科學(xué)計算的實用指南。本書重點介紹了用于高效解決各種數(shù)據(jù)分析問...
摘要：有三種可用的索引字段訪問，基本切片，高級索引。基本切片和索引基本切片將的切片基本概念擴展到維?；厩衅傻乃袛?shù)組始終是原始數(shù)組的視圖。序列切片的標(biāo)準(zhǔn)規(guī)則適用于基于每維的基本切片包括使用步驟索引。因此，在基本切片下的行為。 https://docs.scipy.org/doc/nu... 索引 ndarrays可以使用標(biāo)準(zhǔn)Python x[obj]語法對其進行索引 ，其中x是數(shù)組，o...
摘要：注意和標(biāo)準(zhǔn)庫類并不相同，后者只處理一維數(shù)組和提供少量功能。然而，指定參數(shù)你可以吧運算應(yīng)用到數(shù)組指定的軸上通用函數(shù)提供常見的數(shù)學(xué)函數(shù)如和。在中，這些叫作通用函數(shù)。函數(shù)，另一方面，將一維數(shù)組以行組合成二維數(shù)組。 原文：Quickstart tutorial 譯者：Reverland 來源：試驗性NumPy教程(譯) 2.1 先決條件 在閱讀這個教程之前，你多少需要知道點python。如...
摘要：在下面的例子中，我們創(chuàng)建了一個二維數(shù)組并插入了兩列輸出如果沒有使用參數(shù)，則會輸出這就是數(shù)組結(jié)構(gòu)的扁平化。下面的例子中我們從二維數(shù)組中刪除了一行輸出在方法中，首先給出數(shù)組，然后給出要刪除的元素的索引。數(shù)組被傳遞給函數(shù)。 NumPy 是一個Python 庫，用于 Python 編程中的科學(xué)計算。在本教程中，你將學(xué)習(xí)如何在 NumPy 數(shù)組上以多種方式添加、刪除、排序和操作元素。 NumPy...
閱讀 923·2023-01-14 11:38
閱讀 895·2023-01-14 11:04
閱讀 756·2023-01-14 10:48
閱讀 2055·2023-01-14 10:34
閱讀 961·2023-01-14 10:24
閱讀 840·2023-01-14 10:18
閱讀 510·2023-01-14 10:09
閱讀 588·2023-01-14 10:02
