[人工智能]numpy学习之六：numpy的切片和索引

numpy数组切片和索引：

# numpy数组切片和索引
def testArray():
    # 数组取值
    print("数组取值：")
    a = np.array([1, 2, 3, 4, 5])
    print(a[:])  # [1 2 3 4 5]
    print(a[2])  # 3

    # 数组切片取值start:stop:step
    print("\n数组切片取值：")
    c = np.arange(10)  # [0 1 2 3 4 5 6 7 8 9]
    print(c[2:7:2])  # [2 4 6]

    # 多维数组...取值：...表示取所有行，或列
    print("\n数组...取值：")
    a = np.array([[1, 2, 3], [3, 4, 5], [4, 5, 6]])
    print(a)
    print(a[..., 1])  # 第2列元素
    print(a[1, ...])  # 第2行元素
    print(a[..., 1:])  # 第2列及剩下的所有元素
    
    # 向量取值，即多维数组取值
    print("\n向量取值：")
    a = np.array([1, 2, 3, 4, 5])
    b = a.reshape(1, 5)  # 转换成向量
    print(b[:, 2])  # [3]
    print(b[:, : 2])  # [[1 2]]

运行结果：

数组取值：
[1 2 3 4 5]
3

数组切片取值：
[2 4 6]

数组...取值：
[[1 2 3]
 [3 4 5]
 [4 5 6]]
[2 4 5]
[3 4 5]
[[2 3]
 [4 5]
 [5 6]]

向量取值：
[3]
[[1 2]]

numpy多维数组切片和索引：

# numpy多维数组的切片和索引
def testVector():
    print("\n多维数组取值示例1：")
    x = np.array([[1, 2], [3, 4], [5, 6]])
    print(x)
    # 获取数组中(0,0)，(1,1)和(2,0)位置处的元素
    y = x[[0, 1, 2], [0, 1, 0]]
    print(y)

    print("\n多维数组取值示例2:")
    # 获取了 4X3 数组中的四个角的元素。 行索引是 [0,0] 和 [3,3]，而列索引是 [0,2] 和 [0,2]
    x = np.array([[0, 1, 2], [3, 4, 5], [6, 7, 8], [9, 10, 11]])
    print(x)
    rows = np.array([[0, 0], [3, 3]])
    cols = np.array([[0, 2], [0, 2]])
    y = x[rows, cols]
    print('这个数组的四个角元素是：')
    print(y)

    print("\n多维数组取值示例3:")
    a = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    # 第一个1:3表示取1到3行（不包括3），第二个1:3表示取1到3列（不包括3）
    b = a[1:3, 1:3]
    # 1:3表示取1到3行（不包括3），[1, 2]表示取第1和第2列
    c = a[1:3, [1, 2]]
    #...表示取所有行，1：表示取从1往后的所有列
    d = a[..., 1:]
    print(a)
    print(b)
    print(c)
    print(d)

运行结果：

多维数组取值示例1：
[[1 2]
 [3 4]
 [5 6]]
[1 4 5]

多维数组取值示例2:
[[ 0  1  2]
 [ 3  4  5]
 [ 6  7  8]
 [ 9 10 11]]
这个数组的四个角元素是：
[[ 0  2]
 [ 9 11]]

多维数组取值示例3:
[[1 2 3]
 [4 5 6]
 [7 8 9]]
[[5 6]
 [8 9]]
[[5 6]
 [8 9]]
[[2 3]
 [5 6]
 [8 9]]

注：前面的 :2 切的是行，表示从0到2行（不包括2）； 1: 切的是列，表示从1到所有列（包括1）。行是从上到下，列是从左到右.。

结论：Arr[1:2],Arr[:, 1:2]等方式切片能够保持矩阵维度在2维（取决Arr本身的维度），而用Arr[1], Arr[:, 1]方式切片不能够维持原本的矩阵维度，变成了一维