• numpy 索引和切片


    一、取行

    1、单行

    数组[index, :]
    # 取第index+1行

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取第2行数据
    row1 = arr1[1, :]
    print(row1)

    2、连续的多行

    数组[start:end , :]
    # 顾头不顾尾,也可以使用步长,不过一般不用

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(6, 4)
    # 取第2、3、4行数据
    row1 = arr1[1:4, :]
    print(row1)

    3、不连续的多行

    数组[[index1, index2] , :]
    # 取index1+1 和index2+1 行

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(6, 4)
    # 取第1、4、2行
    row1 = arr1[[0, 3, 1], :]
    print(row1)

    二、取列

    1、单列

    数组[:, index]
    # 取第index+1列

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取第3列
    cols = arr1[:, 2]
    print(cols)

    2、连续的多列

    数组[:, start:end]
    # 顾头不顾尾,索引从0开始

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取列数大于等于3的所有列
    cols = arr1[:, 2:]
    print(cols)

    3、不连续的多列

    数组[:, [index1, index2]]
    # 取第index1+1和index2+1列

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取列数大于等于3的所有列
    cols = arr1[:, 2:]
    print(cols)

    三、取行和列

    1、单个数据

    数组[row,col]
    # 取第row+1行和第col+1列,对应的数据

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取第3行第4列的值
    data = arr1[2, 3]
    print(data)

    2、连续的行和列

    数组[start:end, start:end]
    # 行start+1到end,列start+1到end

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    # 取第2到3行和第3列之后的数据
    data = arr1[1:3, 2:]
    print(data)

    3、不连续的多个数据

    数组[[a, b] ,[c, d]]
    # 取第a+1行和第c+1列相交的数据
    # 取第b+1行和第d+1列相交的数据

    例子

    import numpy as np
    
    arr1 = np.arange(0, 24).reshape(4, 6)
    #
    data = arr1[[0, 3], [3, 5]]
    print(data)
  • 相关阅读:
    DS博客作业02—线性表
    DS博客作业01--日期抽象数据类型
    c语言第六次作业---结构体&文件
    c语言博客05--指针
    c语言博客作业04--数组
    DS博客作业08-课程总结
    DS博客作业07--查找
    DS博客作业06--图
    DS博客作业-05--树
    DS-博客作业03--栈和队列
  • 原文地址:https://www.cnblogs.com/wt7018/p/11954795.html
Copyright © 2020-2023  润新知