Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]用法

本文链接：https://blog.youkuaiyun.com/m0_37592397/article/details/89024078

本文介绍了Python中使用numpy库处理数组和矩阵时，不同切片操作的含义。通过X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]和X[:,m:n]、X[:,:,m:n]等示例，详细解析了如何选取多维数组的不同维度和范围的数据。实例演示帮助更好地理解这些概念。" 8859213,1433191,内联函数的嵌套调用规则解析,"['C++', '编译原理', '类', '函数']

x[m,n]是通过numpy库引用数组或矩阵中的某一段数据集的一种写法，

m代表第m维，n代表m维中取第几段特征数据。

通常用法：

x[:,n]或者x[n,:]

x[:,n]表示在全部数组（维）中取第n个数据，直观来说，x[:,n]就是取所有集合的第n个数据,

对于X[:,0];

是取二维数组中第一维的所有数据

对于X[:,1]

是取二维数组中第二维的所有数据

对于X[:,m:n]

是取二维数组中第m维到第n-1维的所有数据

对于X[:,:,0]

是取三维矩阵中第一维的所有数据

对于X[:,:,1]

是取三维矩阵中第二维的所有数据

对于X[:,:,m:n]

是取三维矩阵中第m维到第n-1维的所有数据

这样的讲解可能还是有点抽象，下面我们用具体的实例来讲解，相信会更加容易理解，具体如下：


 
 
  
  
   
   
    
    
   
   
   
   
    
    
     
     #!usr/bin/env python
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     #encoding:utf-8
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     from __future__ 
     
     import division
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
     
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     '''
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     __Author__:
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     学习Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     '''
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
     
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     import numpy 
     
     as np
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
     
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
     def simple_test():
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
        
     
     '''
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
         简单的小实验
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
         '''
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
         data_list=[[
     
     1,
     
     2,
     
     3],[
     
     1,
     
     2,
     
     1],[
     
     3,
     
     4,
     
     5],[
     
     4,
     
     5,
     
     6],[
     
     5,
     
     6,
     
     7],[
     
     6,
     
     7,
     
     8],[
     
     6,
     
     7,
     
     9],[
     
     0,
     
     4,
     
     7],[
     
     4,
     
     6,
     
     0],[
     
     2,
     
     9,
     
     1],[
     
     5,
     
     8,
     
     7],[
     
     9,
     
     7,
     
     8],[
     
     3,
     
     7,
     
     9]]
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
        
     
     # data_list.toarray()
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
    
     
         data_list=np.array(data_list)
    
    
   
   
  
  
   
   
    
    
   
   
   
   
    
        
     
     print 
     
     '