NumPy - 索引和切片

---

ndarray对象的内容可以通过索引或切片来访问和修改，就像Python内置的容器对象一样。

如前所述，ndarray 对象中的项目遵循从零开始的索引。提供三种类型的索引方法：字段访问、基本切片和高级索引。

基本切片是 Python 的 n 维切片基本概念的扩展。Python 切片对象是通过向内置切片函数提供start、stop和step参数来构造的。该切片对象被传递到数组以提取数组的一部分。

实施例1

import numpy as np 
a = np.arange(10) 
s = slice(2,7,2) 
print a[s]

其输出如下 -

[2  4  6]

在上面的例子中，一个ndarray对象是由arange()函数准备的。然后定义一个切片对象，其开始、停止和步长值分别为 2、7 和 2。当这个切片对象被传递到 ndarray 时，它的一部分从索引 2 开始到 7，步长为 2 被切片。

通过将用冒号 : (start:stop:step) 分隔的切片参数直接赋予ndarray对象也可以获得相同的结果。

实施例2

import numpy as np 
a = np.arange(10) 
b = a[2:7:2] 
print b

在这里，我们将得到相同的输出 -

[2  4  6]

如果只输入一个参数，则将返回与索引对应的单个项目。如果在其前面插入 :，则将从该索引开始的所有项目都将被提取。如果使用两个参数（它们之间有 : ），则默认步骤一的两个索引之间的项目（不包括停止索引）将被切片。

实施例3

# slice single item 
import numpy as np 

a = np.arange(10) 
b = a[5] 
print b

其输出如下 -

5

实施例4

# slice items starting from index 
import numpy as np 
a = np.arange(10) 
print a[2:]

现在，输出将是 -

[2  3  4  5  6  7  8  9]

实施例5

# slice items between indexes 
import numpy as np 
a = np.arange(10) 
print a[2:5]

在这里，输出将是 -

[2  3  4] 

上述描述也适用于多维ndarray。

实施例6

import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
print a  

# slice items starting from index
print 'Now we will slice the array from the index a[1:]' 
print a[1:]

输出如下 -

[[1 2 3]
 [3 4 5]
 [4 5 6]]

Now we will slice the array from the index a[1:]
[[3 4 5]
 [4 5 6]]

切片还可以包含省略号 (...) 以生成与数组维度长度相同的选择元组。如果在行位置使用省略号，它将返回一个由行中的项目组成的 ndarray。

实施例7

# array to begin with 
import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 

print 'Our array is:' 
print a 
print '\n'  

# this returns array of items in the second column 
print 'The items in the second column are:'  
print a[...,1] 
print '\n'  

# Now we will slice all items from the second row 
print 'The items in the second row are:' 
print a[1,...] 
print '\n'  

# Now we will slice all items from column 1 onwards 
print 'The items column 1 onwards are:' 
print a[...,1:]

该程序的输出如下 -

Our array is:
[[1 2 3]
 [3 4 5]
 [4 5 6]] 
 
The items in the second column are: 
[2 4 5] 

The items in the second row are:
[3 4 5]

The items column 1 onwards are:
[[2 3]
 [4 5]
 [5 6]]