import numpy as np
a=np.array([ [1,2,3],[4,5,6],[7,8,9]])如何獲得第零個索引列？預期輸出[[1],[2],[3]] a[...,0]給出一維數組。也許下一個問題回答了這個問題。如何獲得最后兩列a？a[...,1:2]僅給出第二列，a[...,2:3]給出最后 2 列，但a[...,3]維度無效。那么它是怎樣工作的？順便說一句，operator...和:有相同的含義嗎？a[...,0]并a[:,0]給出相同的輸出。有人可以在這里發表評論嗎？
2 回答
白衣染霜花
TA貢獻1796條經驗 獲得超10個贊
numpy索引建立在python列表約定之上，但擴展到多維和多元素索引。它功能強大，但復雜，但遲早您應該閱讀完整的indexing文檔，該文檔區分“基本”和“高級”索引。
與rangeand一樣arange，切片索引具有“打開”停止值
In [111]: a = np.arange(1,10).reshape(3,3)
In [112]: a
Out[112]:
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
使用標量進行索引會減少維度，無論在哪里：
In [113]: a[1,:]
Out[113]: array([4, 5, 6])
In [114]: a[:,1]
Out[114]: array([2, 5, 8])
這也意味著a[1,1]回報5，而不是np.array([[5]])。
使用切片索引會保留維度：
In [115]: a[1:2,:]
Out[115]: array([[4, 5, 6]])
使用列表或數組進行索引也是如此（盡管這會產生 a copy，而不是 a view）：
In [116]: a[[1],:]
Out[116]: array([[4, 5, 6]])
...是一個廣義的:- 使用盡可能多的需要。
In [117]: a[...,[1]]
Out[117]:
array([[2],
[5],
[8]])
您可以調整尺寸newaxis或重塑：
In [118]: a[:,1,np.newaxis]
Out[118]:
array([[2],
[5],
[8]])
請注意，尾隨:是自動的。 a[1]是一樣的a[1,:]。但主要的必須是明確的。
列表索引還刪除了“維度/嵌套層”
In [119]: alist = [[1,2,3],[4,5,6]]
In [120]: alist[0]
Out[120]: [1, 2, 3]
In [121]: alist[0][0]
Out[121]: 1
In [122]: [l[0] for l in alist] # a column equivalent
Out[122]: [1, 4]
眼眸繁星
TA貢獻1873條經驗 獲得超9個贊
import numpy as np
a=np.array([ [1,2,3],[4,5,6],[7,8,9]])
a[:,0] # first colomn
>>> array([1, 4, 7])
a[0,:] # first row
>>> array([1, 2, 3])
a[:,0:2] # first two columns
>>> array([[1, 2],
[4, 5],
[7, 8]])
a[0:2,:] # first two rows
>>> array([[1, 2, 3],
[4, 5, 6]])
添加回答
舉報
0/150
提交
取消