NumPy数组基本的索引和切片
来源:互联网 发布:python 区分中英文 编辑:程序博客网 时间:2024/05/21 17:36
对一维数组来说,NumPy数组的索引切片与Python列表的功能差不多:
>>> arrarray([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])>>> arr[3]3>>> arr[2:6]array([2, 3, 4, 5])>>> arr[3:]array([3, 4, 5, 6, 7, 8, 9])
但是,特别注意的是,如果要将一个标量值赋值给一个切片,这个修改会直接反映到源数组上(即使你已经新建了一个变量来保存),NumPy数组切片是原始数组的视图。
>>> arr_temp = arr[4:6]>>> arr_temparray([4, 5])>>> arr_temp[1]=7>>> arrarray([0, 1, 2, 3, 4, 7, 6, 7, 8, 9])
因为NumPy设计的目的是处理大数据,所以如果要不断复制数据的话会带来巨大的性能和内存问题。因此,NumPy选择所有切片都使用初始视图来提高效率。
对高维数组,可以对各个元素进行递归访问。为了方便,可以传入以逗号隔开的索引列表来选取:
>>> arr2=np.array([[1,2,3],[4,5,6],[7,8,9]])>>> arr2[1]array([4, 5, 6])>>> arr2[1][1]5>>> arr2[1,1]5
再比如这个:
>>> arr2[1:,2]array([6, 9])
前一个1:表示从索引1到结尾,即[[4,5,6],[7,8,9]],后一个2是下一个维度的索引2,即6,9,因此返回了[6,9]。
除了基本的索引,还有一种叫花式索引的操作,指的是利用整数数组进行索引。花式索引与切片不同,会把数据复制到新数组中。
阅读全文
0 0
- NumPy数组基本的索引和切片
- 【NumPy学习指南】day4 多维数组的切片和索引
- numpy多为数组和切片的索引
- numpy数组切片索引的详细讲解
- numpy数组切片与索引
- numpy之索引和切片
- Numpy 笔记(二): 多维数组的切片(slicing)和索引(indexing)
- python数据分析:numpy数组的索引与切片
- Numpy学习笔记之ndarray的索引和切片
- NumPy 索引,切片和迭代
- 索引,切片和迭代 NumPy
- numpy.array切片和索引操作
- Numpy : ndarray切片索引
- NumPy花哨的索引和索引技巧 通过数组索引
- numpy中数组元素的切片复制
- numpy多维数组的切片操作
- numpy中的数组切片
- numpy数组切片
- java知识点
- linux
- Matlab中fminunc函数的意义以及options函数的初级用法。
- hdu2444 The Accomodation of Students(判断二部图+最大匹配)
- css文字两端对齐
- NumPy数组基本的索引和切片
- 第一节 关于WebGL的一些基础性介绍
- Pycharm 断点 逐行 调试
- springcloud day01【eureka】
- 智能指针
- NYOJ-括号配对问题
- QT /usr/bin/ld: cannot find -lGL
- 十九大后首访收官 习近平担当“中国故事第一讲解人
- Hibernate快速入门案例——让hibernate到映射文件到表的转换