Numpy Index

blairchen

Publish：Dec 26, 2017

在元素列表或者数组中，我们可以用如同 a[2] 一样的表示方法，同样的，Numpy中也有相应的表示方法

一维索引

import numpy as np
A = np.arange(3,15)

# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
         
print(A[3])    # 6

让我们将矩阵转换为二维的，此时进行同样的操作：

A = np.arange(3,15).reshape((3,4))
"""
array([[ 3,  4,  5,  6]
       [ 7,  8,  9, 10]
       [11, 12, 13, 14]])
"""
         
print(A[2])         
# [11 12 13 14]

[11 12 13 14]

实际上这时的 A[2] 对应的就是矩阵A 中第三行(从0开始算第一行)的所有元素。

二维索引

1 2	print(A[1][1]) # 8 print(A[1, 1]) # 8

8
8

在Python的 list 中，我们可以利用:对一定范围内的元素进行切片操作，在Numpy中我们依然可以给出相应的方法：

1	print(A[1, 1:3]) # [8 9]

[8 9]

这一表示形式即针对第二行中第2到第4列元素进行切片输出（不包含第4列）。此时我们适当的利用for函数进行打印：

for row in A:
    print(row)
"""    
[ 3,  4,  5, 6]
[ 7,  8,  9, 10]
[11, 12, 13, 14]
"""

此时它会逐行进行打印操作。如果想进行逐列打印，就需要稍稍变化一下：

for column in A.T:
    print(column)
"""  
[ 3,  7,  11]
[ 4,  8,  12]
[ 5,  9,  13]
[ 6, 10,  14]
"""

说一些关于迭代输出的问题：

import numpy as np
A = np.arange(3,15).reshape((3,4))
         
print(A.flatten())   
# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])

for item in A.flat:
    print(item)
    
# 3
# 4
# ……
# 14

[ 3  4  5  6  7  8  9 10 11 12 13 14]
3
4
5
6
7
8
9
10
11
12
13
14

这一脚本中的flatten是一个展开性质的函数，将多维的矩阵进行展开成1行的数列。而flat是一个迭代器，本身是一个object属性。

Reference

updated on：Jun 28, 2021

Numpy

Numpy Array Merge

对于一个array的合并，我们可以想到按行、按列等多种方式进行合并 np.vstack() 123456789101112import numpy as npA = np.array([1,...

Numpy Basic Operation 2

numpy 矩阵的基本操作，argmin/argmax、mean/average、cumsum、sort、transpose/A.T、clip argmin & argmax 矩阵对...

Comments

Load Disqus