Python高级特性——详解多维数组切片(Slice)
(1) 我们先用arange函数创建一个数组并改变其维度,使之变成一个三维数组:
>>> a = np.arange(24).reshape(2,3,4) >>> a 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]]])
多维数组a中有0~23的整数,共24个元素,是一个2×3×4的三维数组。我们可以形象地把它看做一个两层楼建筑,每层楼有12个房间,并排列成3行4列。
(2) 我们可以用三维坐标来选定任意一个房间,即楼层、行号和列号。例如,选定第1层楼、第1行、第1列的房间,可以这样表示:
>>> a[0, 0, 0] 0
(3) 如果我们不关心楼层,也就是说要选取所有楼层的第1行、第1列的房间,那么可以将第1个下标用英文标点的冒号:来代替:
>>> a[:, 0, 0] array([ 0, 12])
选取第1层楼的所有房间:
>>> a[0] array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])
或者我们可以这样写:
>>> a[0, :, :] array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])
多个冒号可以用一个省略号(…)来代替,因此上面的代码等价于:
>>> a[0, ...] array([[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]])
进而可以选取第1层楼、第2排的所有房间:
>>> a[0, 1] array([4, 5, 6, 7])
以上这篇Python高级特性——详解多维数组切片(Slice)就是小编分享给大家的全部内容了,希望能给大家一个参考,也希望大家多多支持脚本之家。
相关文章
python sklearn与pandas实现缺失值数据预处理流程详解
对于缺失值的处理,主要配合使用sklearn.impute中的SimpleImputer类、pandas、numpy。其中由于pandas对于数据探索、分析和探查的支持较为良好,因此围绕pandas的缺失值处理较为常用2022-09-09Python Tricks 使用 pywinrm 远程控制 Windows 主机的方法
这篇文章主要介绍了Python Tricks 使用 pywinrm 远程控制 Windows 主机的方法,本文给大家介绍的非常详细,对大家的学习或工作具有一定的参考借鉴价值,需要的朋友可以参考下2020-07-07Python socket连接中的粘包、精确传输问题实例分析
这篇文章主要介绍了Python socket连接中的粘包、精确传输问题,结合实例形式分析了Python socket连接中的粘包、精确传输相关问题原因、解决方案与操作注意事项,需要的朋友可以参考下2020-03-03python实现字典(dict)和字符串(string)的相互转换方法
这篇文章主要介绍了python实现字典(dict)和字符串(string)的相互转换方法,涉及Python字典dict的遍历与字符串转换相关操作技巧,需要的朋友可以参考下2017-03-03
最新评论