python

关注公众号 jb51net

关闭
首页 > 脚本专栏 > python > python ndarray数组索引和切片

python中ndarray数组的索引和切片的使用

作者:梧桐雪

本文主要介绍了python中ndarray数组的索引和切片的使用,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧

索引和切片相当于是对数组中内容的读(read)或者查询(inquiry)。是我们获取有用信息(demanded infomation)的重要方法。

对于索引

对于切片

可以在一下代码中演示索引和切片操作:

import numpy as np
data = np.array([0,1,2,3,4,5])
print(data[1])
print(data[2:4])

data_2dim = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(data_2dim[1,0])
print(data_2dim[1][0])
print(data_2dim[1:4])
print(data_2dim[1:4][1:3][1][2])

运行结果如下:

1
[2 3]
4
4
[[ 4  5  6]
 [ 7  8  9]
 [10 11 12]]
12
[Finished in 1.3s]

总结一下,索引和切片都是对数组读的操作,都使用方括号[] (squre bracket)进行编号的框定。

特别要注意的是切片存放的变量和原来的数组变量在本质上共享同一片内存,如果修改了切片存放的变量,那么原来的数组的对应元素也会对应修改。如以下代码所示:

data = np.arange(10)
data_slice = data[3:6]
print(data)
print(data_slice)
data_slice[2] = 100
print(data)
print(data_slice)

结果如下所示:

[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[  0   1   2   3   4 100   6   7   8   9]
[  3   4 100]
[Finished in 2.2s]

如果需要在修改切片的同时不改变原来数组中的数据,可以使用.copy()方法。对上述代码稍作修改,结果如下:

data = np.arange(10)
data_slice = data[3:6].copy()
print(data)
print(data_slice)
data_slice[2] = 100
print(data)
print(data_slice)

[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 5 6 7 8 9]
[  3   4 100]
[Finished in 2.5s]

到此这篇关于python中ndarray数组的索引和切片的实现的文章就介绍到这了,更多相关python ndarray数组索引和切片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家!

您可能感兴趣的文章:
阅读全文