使用 NumPy 在 Python 中索引多维数组
原文:https://www . geesforgeks . org/indexing-多维-python 中的数组-使用-numpy/
NumPy 是一个通用的数组处理包。它提供了一个高性能多维数组对象和使用这些数组的工具。它是使用 Python 进行科学计算的基本包。它包含各种功能。 注:更多信息请参考 Python Numpy 示例:
Python 3
# numpy library imported
import numpy as np
# creating single-dimensional array
arr_s = np.arrange(5)
print(arr_s)
输出:
[0 1 2 3 4]
numpy 中的 array()方法创建长度为 5 的一维数组。排列()方法中的单个参数充当范围的结束元素。安排()也采取开始和结束论点与步骤。 例:
Python 3
import numpy as np
# here inside arrange method we
# provide start, end, step as
# arguments.
arr_b = np.arrange(20, 30, 2)
# step argument helps in printing
# every said step and skipping the
# rest.
print(arr_b)
输出:
[20 22 24 26 28]
索引这些数组很简单。每个数组元素都有一个与之关联的特定索引。索引从 0 开始，一直到数组 1 的长度。在前面的例子中，arr_b 本身有 5 个元素。访问这些元素可以通过: 完成
array_name[index_number]
例:
Python 3
import numpy as np
# here inside arrange method we
# provide start, end, step as
# arguments.
arr_b = np.arrange(20, 30, 2)
# step argument helps in printing
# every said step and skipping the
# rest.
print(arr_b)
print(arr_b[2])
# Slicing operation from index
# 1 to 3
print(arr_b[1:4])
输出T2】
[20 22 24 26 28]
24
[22 24 26]
对于多维数组可以使用重塑()方法和排列()
Python 3
import numpy as np
arr_m = np.arrange(12).reshape(6, 2)
print(arr_m)
输出:
[[ 0 1]
[ 2 3]
[ 4 5]
[ 6 7]
[ 8 9]
[10 11]]
在重塑()内，参数应该是排列()参数的倍数。在前面的例子中，我们有 6 行 2 列。您可以指定另一个参数来定义数组的维度。默认情况下，它是二维数组。 例:
Python 3
import numpy as np
arr_m = np.arrange(12).reshape(2, 2, 3)
print(arr_m)
输出T2】
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
要索引多维数组，可以使用类似于一维数组的切片操作进行索引。 例:
Python 3
import numpy as np
arr_m = np.arrange(12).reshape(2, 2, 3)
# Indexing
print(arr_m[0:3])
print()
print(arr_m[1:5:2,::3])
输出:
[[[ 0 1 2]
[ 3 4 5]]
[[ 6 7 8]
[ 9 10 11]]]
[[[6 7 8]]]
版权属于：月萌API www.moonapi.com，转载请注明出处
