NumPy 索引和切片
可以通过索引或切片来访问和修改 ndarray 对象的内容,就像 Python 的内置容器对象一样。
如前所述,ndarray对象中的项目遵循零基索引。有三种类型的索引方法:字段访问、基本分片和高级索引。
基本切片是Python的基本概念的延伸,即对n个维度进行切片。一个Python切片对象是通过给内置的slice函数提供start、stop和step参数来构造的,这个切片对象被传递给数组以提取数组的一部分。
示例 1
import numpy as np a = np.arange(10) s = slice(2,7,2) print a[s]
其输出如下:
[2 4 6]
在上面的例子中,一个ndarray对象由arange()函数。然后分别用开始、停止和步长值 2、7 和 2 定义切片对象。当这个切片对象被传递给 ndarray 时,它的一部分从索引 2 开始到 7,步长为 2。
同样的结果也可以通过将以冒号分隔的切片参数 : (start:stop:step) 直接提供给ndarray对象。
示例 2
import numpy as np a = np.arange(10) b = a[2内置参数2] print b
在这里,我们将得到相同的输出:
[2 4 6]
如果只放一个参数,将返回与该索引相对应的单个项目。如果在它前面插入一个:,从该索引开始的所有项目将被提取。如果使用两个参数(中间有:),两个索引之间的项目(不包括停止索引)和默认步骤一将被切片。
示例 3
# slice single item import numpy as np a = np.arange(10) b = a[5] print b
其输出如下:
5
示例 4
# slice items starting from index import numpy as np a = np.arange(10) print a[2:]
现在,输出将是:
[2 3 4 5 6 7 8 9]
例 5
# slice items between indexes import numpy as np a = np.arange(10) print a[2:5]
在这里,输出将是:
[2 3 4]
以上描述适用于多维ndarraytoo.
例 6
import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print a # slice items starting from index print 'Now we will slice the array from the index a[1:]' print a[1:]
输出如下:
[[1 2 3] [3 4 5] [4 5 6]] Now we will slice the array from the index a[1:] [[3 4 5] [4 5 6]]
切片还可以包含省略号 (...) 以生成与数组维度相同长度的选择元组。如果在行位置使用省略号,它将返回一个包含行中项目的 ndarray。
例 7
# array to begin with import numpy as np a = np.array([[1,2,3],[3,4,5],[4,5,6]]) print 'Our array is:' print a print '\n' # this returns array of items in the second column print 'The items in the second column are:' print a[...,1] print '\n' # Now we will slice all items from the second row print 'The items in the second row are:' print a[1,...] print '\n' # Now we will slice all items from column 1 onwards print 'The items column 1 onwards are:' print a[...,1:]
这个程序的输出如下:
Our array is: [[1 2 3] [3 4 5] [4 5 6]] The items in the second column are: [2 4 5] The items in the second row are: [3 4 5] The items column 1 onwards are: [[2 3] [4 5] [5 6]]