Python数据分析——Numpy切片和索引

Numpy切片和索引

ndarray对象的内容可以通过索引或切片来访问和修改，与 Python 中 list 的切片操作一样。

ndarray 数组可以基于 0 - n 的下标进行索引，切片对象可以通过内置的 slice 函数，并设置 start, stop 及 step 参数进行，从原数组中切割出一个新数组。

import numpy as np
 
a = np.arange(10)
print("a:",a)
s = slice(2,7,2)   # 从索引 2 开始到索引 7 停止，间隔为2
print ("a[s]:",a[s])

#结果# 
a: [0 1 2 3 4 5 6 7 8 9]
a[s]: [2 4 6]

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

多维数组同样适用于上述索引提取方法：

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
#从某个索引出开始切割
print('从数组索引a[1:]处开始切割')
print(a[1:])

#结果# 
[[1 2 3]
 [3 4 5]
 [4 5 6]]
从数组索引 a[1:] 处开始切割
[[3 4 5]
 [4 5 6]]

切片还可以包括省略号...（其实是三个英文状态下的句号...），来使选择元组的长度与数组的维度相同。 如果在行位置使用省略号，它将返回包含行中元素的 ndarray。

import numpy as np

a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
print(a[...,1])  #第二列元素
print(a[1,...])  #第二行元素
print(a[...,1:])  #第二列及剩下的所有元素

#结果# 
[[1 2 3]
 [3 4 5]
 [4 5 6]]
[2 4 5]
[3 4 5]
[[2 3]
 [4 5]
 [5 6]]