操作多维数组ndarray(python)

 

 

 

 

 

 

为了详细展示代码中取数的过程，我们先回顾一下代码，然后逐步分析每一步的取数逻辑。以下是代码示例：

import numpy as np

x = np.arange(24).reshape((2, 3, 4))
for i in range(x.shape[1]):
    print(x[:, i, :])

1. 创建三维数组 x

x = np.arange(24).reshape((2, 3, 4))

• np.arange(24) 会生成一个包含从 0 到 23 的一维数组：[0, 1, 2, ..., 23]。
• reshape((2, 3, 4)) 会将这个一维数组重新组织成一个三维数组，这个三维数组可以想象成是由 2 个“页”组成，每个“页”是一个 3 行 4 列的二维数组。具体来说，这个三维数组 x 的样子如下：

array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

2. 遍历循环

for i in range(x.shape[1]):

• x.shape 返回数组在每个维度上的大小，这里 x.shape 是 (2, 3, 4)。
• x.shape[1] 表示数组在第 1 个维度（从 0 开始计数）上的大小，即 3。
• range(x.shape[1]) 会生成一个包含 0、1、2 的序列，所以循环会执行 3 次，i 依次取值 0、1、2。

3. 取数并打印

print(x[:, i, :])

• : 是切片操作符，表示选取该维度上的所有元素。
• 下面详细分析每次循环的取数过程：

第一次循环，i = 0

• x[:, 0, :] 表示在第 0 个维度上选取所有元素（即 2 个“页”都要），在第 1 个维度上选取索引为 0 的元素（即每个“页”的第 1 行），在第 2 个维度上选取所有元素（即每行的所有列）。
• 具体取数为：

• • 第一“页”的第 1 行：[0, 1, 2, 3]
  • 第二“页”的第 1 行：[12, 13, 14, 15]

• 最终得到的结果是一个 2 行 4 列的二维数组：

array([[ 0,  1,  2,  3],
       [12, 13, 14, 15]])

第二次循环，i = 1

• x[:, 1, :] 表示在第 0 个维度上选取所有元素（2 个“页”），在第 1 个维度上选取索引为 1 的元素（每个“页”的第 2 行），在第 2 个维度上选取所有元素（每行的所有列）。
• 具体取数为：

• • 第一“页”的第 2 行：[4, 5, 6, 7]
  • 第二“页”的第 2 行：[16, 17, 18, 19]

• 最终得到的结果是：

array([[ 4,  5,  6,  7],
       [16, 17, 18, 19]])

第三次循环，i = 2

• x[:, 2, :] 表示在第 0 个维度上选取所有元素（2 个“页”），在第 1 个维度上选取索引为 2 的元素（每个“页”的第 3 行），在第 2 个维度上选取所有元素（每行的所有列）。
• 具体取数为：

• • 第一“页”的第 3 行：[8, 9, 10, 11]
  • 第二“页”的第 3 行：[20, 21, 22, 23]

• 最终得到的结果是：

array([[ 8,  9, 10, 11],
       [20, 21, 22, 23]])

综上所述，这段代码通过循环和切片操作，依次取出了三维数组 x 在第 1 个维度上的每个“截面”，并将其打印输出。