初探numpy——切片和索引

切片

import numpy as np

# 使用切片参数start:stop:step来进行切片操作
a_array=np.arange(10)
print(a_array,'
')

b_array=a_array[1:10:2]
print(b_array,'
')

c_array=a_array[2:]
print(c_array,'
')

d_array=a_array[:5]
print(d_array)

[0 1 2 3 4 5 6 7 8 9] 

[1 3 5 7 9] 

[2 3 4 5 6 7 8 9] 

[0 1 2 3 4]

# 多维数组切片操作

a_array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(a_array,'
')

# 从a_array[n:]开始切割
print(a_array[1:],'
')

# 第n列元素
print(a_array[...,0],'
')

# 第n行元素
print(a_array[1,...],'
')

# 第n列及剩下的所有元素
print(a_array[...,1:],'
')

# 第n行及剩下的所有元素
print(a_array[1:,...])

[[1 2 3]
 [4 5 6]
 [7 8 9]] 

[[4 5 6]
 [7 8 9]] 

[1 4 7] 

[4 5 6] 

[[2 3]
 [5 6]
 [8 9]] 

[[4 5 6]
 [7 8 9]]

numpy高级索引

# 整数数组索引

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'
')

#获取(0,0),(1,1),(2,2)处的元素
print(array[[0,1,2],[0,1,2]],'
')

#获取(0,0),(0,2),(2,0),(2,2)处的元素
print(array[np.array([[0,0],[2,2]]),np.array([[0,2],[0,2]])])

[[1 2 3]
 [4 5 6]
 [7 8 9]] 

[1 5 9] 

[[1 3]
 [7 9]]

# 切片

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'
')

print(array[0:2,0:2],'
')

print(array[...,0:2])

[[1 2 3]
 [4 5 6]
 [7 8 9]] 

[[1 2]
 [4 5]] 

[[1 2]
 [4 5]
 [7 8]]

# 布尔索引

array=np.array([[1,2,3],[4,5,6],[7,8,9]])
print(array,'
')

#获取大于3的元素
print(array[array>3])

[[1 2 3]
 [4 5 6]
 [7 8 9]] 

[4 5 6 7 8 9]

# 花式索引

array=np.arange(25).reshape(5,5)
print(array,'
')

#获取第1，2，3行元素
print(array[[1,2,3]],'
')

#获取后三行元素
print(array[[-1,-2,-3]])

[[ 0  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  9]
 [10 11 12 13 14]
 [15 16 17 18 19]] 

[[20 21 22 23 24]
 [15 16 17 18 19]
 [10 11 12 13 14]] 

# 还是花式索引

array=np.arange(25).reshape(5,5)
print(array,'
')

# 先选取行，再将列排序
print(array[[2,1,3]][:,[2,3,1,4,0]],'
')

# 用numpy.ix_()函数，输入两个数组，产生笛卡尔积的映射关系
print(array[np.ix_([2,1,3],[2,3,1,4,0])])

[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]] 

[[12 13 11 14 10]
 [ 7  8  6  9  5]
 [17 18 16 19 15]] 

[[12 13 11 14 10]
 [ 7  8  6  9  5]
 [17 18 16 19 15]]