python中ndarray數組的索引和切片的使用
索引和切片相當於是對數組中內容的讀(read)或者查詢(inquiry)。是我們獲取有用信息(demanded infomation)的重要方法。
對於索引
- 對於1維數組:在數組名的後面用中括號[]包括索引編號,括號中填寫所查詢數組的編碼。比如:data[1]
- 對於n維數組:有兩種方式
- 第一種:用列表表示所查詢數的坐標值,如data_2dim[1,0]
- 第二種:把多維數組看成一位數組套娃,依次取值,如data_2dim[1][0]
對於切片
- 對於1維數組:在數組名後加上中括號[],在括號中填寫切片的范圍,m:n註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];特別要註意的是m和n如果省略瞭,則默認m=0,n=length(array),也就是說默認是第一位和最後一位。這個和matlab中的冒號表達式是不一樣的。
- 對於n維數組:把多維數組看成一位數組套娃,依次取值,要註意的是,多維數組的切片往往還是多維數組,如果需要得到具體某一個元素,則在切片之後還要進行索引操作。
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])
運行結果如下:
1
[2 3]
4
4
[[ 4 5 6]
[ 7 8 9]
[10 11 12]]
12
[Finished in 1.3s]
總結一下,索引和切片都是對數組讀的操作,都使用方括號[] (squre bracket)進行編號的框定。
特別要註意的是切片存放的變量和原來的數組變量在本質上共享同一片內存,如果修改瞭切片存放的變量,那麼原來的數組的對應元素也會對應修改。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組中的數據,可以使用.copy()方法。對上述代碼稍作修改,結果如下:
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]
到此這篇關於python中ndarray數組的索引和切片的實現的文章就介紹到這瞭,更多相關python ndarray數組索引和切片內容請搜索WalkonNet以前的文章或繼續瀏覽下面的相關文章希望大傢以後多多支持WalkonNet!
推薦閱讀:
- python ndarray數組對象特點及實例分享
- Python數據分析之Numpy庫的使用詳解
- Numpy ndarray 多維數組對象的使用
- Python numpy和matlab的幾點差異介紹
- Python Numpy中ndarray的常見操作