numpy 数组切片索引

Question

import numpy as np a=np.array([ [1,2,3],[4,5,6],[7,8,9]])如何获得第零个索引列？预期输出[[1],[2],[3]] a[...,0]给出一维数组。也许下一个问题回答了这个问题。如何获得最后两列a？a[...,1:2]仅给出第二列，a[...,2:3]给出最后 2 列，但a[...,3]维度无效。那么它是怎样工作的？顺便说一句，operator...和:有相同的含义吗？a[...,0]并a[:,0]给出相同的输出。有人可以在这里发表评论吗？

Answer 1

numpy索引建立在python列表约定之上，但扩展到多维和多元素索引。它功能强大，但复杂，但迟早您应该阅读完整的indexing文档，该文档区分“基本”和“高级”索引。

与rangeand一样arange，切片索引具有“打开”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]])

使用标量进行索引会减少维度，无论在哪里：

In [113]: a[1,:]                                                                                 

Out[113]: array([4, 5, 6])

In [114]: a[:,1]                                                                                 

Out[114]: array([2, 5, 8])

这也意味着a[1,1]回报5，而不是np.array([[5]])。

使用切片索引会保留维度：

In [115]: a[1:2,:]                                                                               

Out[115]: array([[4, 5, 6]])

使用列表或数组进行索引也是如此（尽管这会产生 a copy，而不是 a view）：

In [116]: a[[1],:]                                                                               

Out[116]: array([[4, 5, 6]])

...是一个广义的:- 使用尽可能多的需要。

In [117]: a[...,[1]]                                                                             

Out[117]: 

array([[2],

       [5],

       [8]])

您可以调整尺寸newaxis或重塑：

In [118]: a[:,1,np.newaxis]                                                                      

Out[118]: 

array([[2],

       [5],

       [8]])

请注意，尾随:是自动的。 a[1]是一样的a[1,:]。但主要的必须是明确的。

列表索引还删除了“维度/嵌套层”

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]

Answer 2

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]])