numpy 切片

numpy 中的切片与数组中的切片类似。

数组 [ 起始:终止:步长, 起始:终止:步长, ... ] 

所有的切片操作(无论是步长为+的正序,还是步长为 - 的逆序)都是开始位置包含,结束位置不包含(终止位省略时则包含);可以借助于range函数辅助理解。

 

每一个维度之间采用 “ 逗号 ” 间隔,逗号之间的 ::则表示每一个维度的分割方式。

每一个维度的分割与数组的分割原理一致;

具体实现方式存在差异的是:在某个维度全部使用缺省值时可以用 “ . . .”  表示

 

值的省略说明

1)起始值:从首位算起

2)终止值:在末尾结束

3)步长值:默认为1

1 关于切片的基本操作方式

实例一:

a = np.arange(1,10)
print(a)  # [1 2 3 4 5 6 7 8 9]
print(a[:3]) #[1 2 3]
print(a[3:6]) #[4 5 6]
print(a[6:]) #[7 8 9]

详细如下所示

实例二:

a = np.arange(1,10)
print(a)  # [1 2 3 4 5 6 7 8 9]
print(a[-6:-3]) #[4 5 6]
print(a[-6:-3:-1]) #[]
print(a[-3:-6:-1]) #[7 6 5]

详细如下

当起止顺序反向时,输出为 空 [ ]

实例三:

 

import numpy as np

a = np.arange(1,10)
print(a)  # [1 2 3 4 5 6 7 8 9]
print(a[::-1]) #[9 8 7 6 5 4 3 2 1]
print(a[:-4:-1]) #[9 8 7]
print(a[-7::-1]) #[3 2 1]
print(a[:]) #[1 2 3 4 5 6 7 8 9]
print(a[...]) #[1 2 3 4 5 6 7 8 9]
print(a[::3]) #[1 4 7]
print(a[1::3]) #[2 5 8]

2 关于切片的高级操作

实例一:

import numpy as np

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('-----------')
print(b[:,0,0]) #[ 1 13]
# 第一个逗号是页的切片,也即页的切片从头到尾;
# 第二个 0 表示行列式的第一行
# 第二个 0 表示行列式的第一列
# 所以每页取出第一行第一列元素,也即 1 13 两个元素 

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
-----------
[ 1 13]

 

实例二:

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('----------------')
print(b[0,:,:]) #表示第 0 页,第 1 页的行取所有,第 1 页的列取所有
print('----------------')
print(b[0,...]) #...表示第 0 页中的所有

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
----------------
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]
----------------
[[ 1  2  3  4]
 [ 5  6  7  8]
 [ 9 10 11 12]]

实例三:

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('---------')
print(b[0,1,::2]) #5 7
# 表示第0页;第1行;从头到尾,步长为 2 ;

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
---------
[5 7]

实例四:

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('---------')

print(b[...,1]) #第一列

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
---------
[[ 2  6 10]
 [14 18 22]]

实验五:

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('---------')

print(b[:,1]) 
# 每一列的第一行(起始为0行),
# 省略最后一个逗号等价于 print(b[:,1,])

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
---------
[[ 5  6  7  8]
 [17 18 19 20]]

实例六:

b = np.arange(1,25).reshape(2,3,4)
print(b)
print('---------')

print(b[-1,1:,2:])
# 首不写表示从头开始,尾不写代表到尾结束。
# 第一个逗号:-1 表示末尾第一个,
# 自左(前)到右(后)起于0,从右(后)到左(前)起于1。
# 第二个逗号:1:从第1行到末尾,
# 第三个逗号:2:从第2行到末尾,
# 最后选取数组中的一部分。

运行

[[[ 1  2  3  4]
  [ 5  6  7  8]
  [ 9 10 11 12]]

 [[13 14 15 16]
  [17 18 19 20]
  [21 22 23 24]]]
---------
[[19 20]
 [23 24]]

 

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值