詳解Python二維數(shù)組與三維數(shù)組切片的方法
更新時間：2019年07月18日 10:51:16 作者：一騎走煙塵
這篇文章主要介紹了詳解Python二維數(shù)組與三維數(shù)組切片的方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，需要的朋友們下面隨著小編來一起學習學習吧
如果對象是二維數(shù)組，則切片應當是x[:]的形式，里面有一個冒號，冒號之前和之后分別表示對象的第0個維度和第1個維度；
如果對象是三維數(shù)組，則切片應當是x[::]，里面有兩個冒號，分割出三個間隔，三個間隔的前、中和后分別表示對象的第0、1、2個維度。
x[n,:]、x[:,n]、x[m:n,:]、x[:,m:n]
上面的中括號中(m:n)應當看成一個整體，除了(m:n)之外的冒號就是用來表明在哪個維度上操作的。
對于二維數(shù)組，在冒號前面的(n,)意味著對二維數(shù)組的第0個維度上的第n號元素操作，在冒號后面的(,n)意味著對二維數(shù)組的第1個維度上的第n號元素進行操作。如果n替換成(m:n)則表示對第m號到第n-1號元素操作。
舉例：
import numpy as np a = np.array([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12], [13, 14, 15, 16], [17, 18, 19, 20]]) print(a.shape) print(a[0, :], a[0, :].shape) print(a[1, :], a[1, :].shape) print(a[-1, :], a[-1, :].shape) print(a[0:2, :], a[0:2, :].shape) print(a[:, 0], a[:, 0].shape) print(a[:, 1], a[:, 1].shape) print(a[:, -1], a[:, -1].shape) print(a[:, 0:2], a[:, 0:2].shape)
運行結果如下：
(5, 4) [1 2 3 4] (4,) [5 6 7 8] (4,) [17 18 19 20] (4,) [[1 2 3 4] [5 6 7 8]] (2, 4) [ 1 5 9 13 17] (5,) [ 2 6 10 14 18] (5,) [ 4 8 12 16 20] (5,) [[ 1 2] [ 5 6] [ 9 10] [13 14] [17 18]] (5, 2) Process finished with exit code 0
上例中，a是shape=(5,4)的數(shù)組。第0個維度上有5個元素，第1個維度上有4個元素(元素不一定是單個值， 也可能是數(shù)組，這里的元素的叫法是相對于某個維度而言的)。
- a[0, :]、a[1, :]、a[-1, :]分別提取了a的第0個維度上的第0、1和-1個元素，每個元素都是一個含有4個元素的數(shù)組。
- a[0:2, :]提取了a的第0個維度上的第0和1兩個元素，兩個元素都是一個含有4個元素的數(shù)組，共同組成一個二維數(shù)組。
- a[:, 0]、a[:, 1]、a[:, -1]分別提取了a的第1個維度上的0、1和-1個元素，每個元素都是單個元素值。
- a[:, 0:2]提取了a的第1個維度上的第0和1兩個元素，兩個元素都是單個元素值，共同組成一個二維數(shù)組。
x[n,::]、x[:,n:]、x[::,n]、x[:,:,n]、x[m:n,::]、x[:,m:n:]、x[::,m:n]、x[:,:,m:n]
上面的中括號中(m:n)應當看成一個整體，除了(m:n)之外的兩個冒號就是用來表明在哪個維度上操作的。
對于三維數(shù)組，在雙冒號的最前面的(n,)意味著對三維數(shù)組的第0個維度上的第n號元素操作，在雙冒號的中間的(,n)意味著對三維數(shù)組的第1個維度上的第n號元素進行操作，在雙冒號的后面的(,n)意味著對三維數(shù)組的第2個維度上的第n號元素進行操作。如果n替換成(m:n)則表示對第m號到第n-1號元素操作。
舉例：
import numpy as np
b = np.array([[[1, 2, 3, 4], [5, 6, 7, 8], [9, 10, 11, 12]],
[[13, 14, 15, 16], [17, 18, 19, 20], [21, 22, 23, 24]],
[[25, 26, 27, 28], [29, 30, 31, 32], [33, 34, 35, 36]],
])
print(b.shape)
print("b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]")
print(b[0, ::], b[0, ::].shape)
print(b[1, ::], b[1, ::].shape)
print(b[-1, ::], b[-1, ::].shape)
print(b[0:2, ::], b[0:2, ::].shape)
print("b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]")
print(b[:, 0:], b[:, 0:].shape)
print(b[:, 1:], b[:, 1:].shape)
print(b[:, -1:], b[:, -1:].shape)
print(b[:, 0:2:], b[:, 0:2:].shape)
print("b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]")
print(b[::, 0], b[::, 0].shape)
print(b[::, 1], b[::, 1].shape)
print(b[::, -1], b[::, -1].shape)
print(b[::, 0:2:], b[::, 0:2].shape)
print("b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]")
print(b[:, :, 0], b[:, :, 0].shape)
print(b[:, :, 1], b[:, :, 1].shape)
print(b[:, :, -1], b[:, :, -1].shape)
print(b[:, :, 0:2:], b[:, :, 0:2].shape)
運行結果如下：
(3, 3, 4) b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::] [[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] (3, 4) [[13 14 15 16] [17 18 19 20] [21 22 23 24]] (3, 4) [[25 26 27 28] [29 30 31 32] [33 34 35 36]] (3, 4) [[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] [[13 14 15 16] [17 18 19 20] [21 22 23 24]]] (2, 3, 4) b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:] [[[ 1 2 3 4] [ 5 6 7 8] [ 9 10 11 12]] [[13 14 15 16] [17 18 19 20] [21 22 23 24]] [[25 26 27 28] [29 30 31 32] [33 34 35 36]]] (3, 3, 4) [[[ 5 6 7 8] [ 9 10 11 12]] [[17 18 19 20] [21 22 23 24]] [[29 30 31 32] [33 34 35 36]]] (3, 2, 4) [[[ 9 10 11 12]] [[21 22 23 24]] [[33 34 35 36]]] (3, 1, 4) [[[ 1 2 3 4] [ 5 6 7 8]] [[13 14 15 16] [17 18 19 20]] [[25 26 27 28] [29 30 31 32]]] (3, 2, 4) b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:] [[ 1 2 3 4] [13 14 15 16] [25 26 27 28]] (3, 4) [[ 5 6 7 8] [17 18 19 20] [29 30 31 32]] (3, 4) [[ 9 10 11 12] [21 22 23 24] [33 34 35 36]] (3, 4) [[[ 1 2 3 4] [ 5 6 7 8]] [[13 14 15 16] [17 18 19 20]] [[25 26 27 28] [29 30 31 32]]] (3, 2, 4) b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:] [[ 1 5 9] [13 17 21] [25 29 33]] (3, 3) [[ 2 6 10] [14 18 22] [26 30 34]] (3, 3) [[ 4 8 12] [16 20 24] [28 32 36]] (3, 3) [[[ 1 2] [ 5 6] [ 9 10]] [[13 14] [17 18] [21 22]] [[25 26] [29 30] [33 34]]] (3, 3, 2) Process finished with exit code 0
上例中，b是shape=(3,3,4)的數(shù)組。第0個維度上有3個元素，第1個維度上有3個元素，第2個維度上有4個元素(元素不一定是單個值， 也可能是數(shù)組，這里的元素的叫法是相對于某個維度而言的)。
- b[0, ::]、b[1, ::]、b[-1, ::]分別提取了b的第0個維度上的第0、1和-1個元素，每個元素都是一個二維數(shù)組。
- b[0:2, ::]提取了b的第0個維度上的第0和1兩個元素，兩個元素都是一個二維數(shù)組，共同組成一個三維數(shù)組。
- b[:, 0:]、b[:, 1:]、b[:, -1:]分別提取了b的全部元素(都是由4個元素的單個數(shù)組)、b的第1個維度上除第0號外的所有元素(都是由4個元素的單個數(shù)組)、b的第1個維度上的所有最后一個位置上的元素(都是由4個元素的單個數(shù)組)。
- b[:, 0:2:]提取了b的第1個維度上的第0和1兩個元素，兩個元素都是一個有4個元素的數(shù)組，共同組成一個三維數(shù)組。
- b[::, 0]、b[::, 1]、b[::, -1]分別提取了b的第2個維度上的0、1和-1個元素（這里的元素就是單個有4個元素的數(shù)組），每個元素都是有4個元素的數(shù)組。
- b[::, 0:2]提取了b的第2個維度上的第0和1兩個元素（這里的元素就是單個有4個元素的數(shù)組），兩個元素都是有4個元素的數(shù)組。
- b[:,:, 0]、b[:,:, 1]、b[:,:, -1]分別提取了b的第2個維度的所有元素（即有4個元素的數(shù)組）中的第0、1和-1個元素值，每個元素都是單個元素值。
- b[:,:, 0:2]提取了b的第2個維度的所有元素（即有4個元素的數(shù)組）中的第0和1兩個元素值，兩個元素都是單個元素值。
以上就是本文的全部內容，希望對大家的學習有所幫助，也希望大家多多支持腳本之家。
相關文章
這篇文章主要介紹了python的深度總結之線性回歸，本文給大家介紹的非常詳細，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-09-09
下面小編就為大家?guī)硪黄猵ython遞歸打印某個目錄的內容(實例講解)。小編覺得挺不錯的，現(xiàn)在就分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2017-08-08
這篇文章主要為大家介紹了Python遺傳算法Geatpy工具箱使用介紹，有需要的朋友可以借鑒參考下，希望能夠有所幫助，祝大家多多進步，早日升職加薪2022-09-09
python3 使用OpenCV計算滑塊拼圖驗證碼缺口位置(場景示例)
這篇文章主要介紹了python3 使用OpenCV計算滑塊拼圖驗證碼缺口位置,本文通過場景示例給大家詳細介紹，對大家的學習或工作具有一定的參考借鑒價值，需要的朋友可以參考下2021-08-08
字典是Python開發(fā)中很常用的一種數(shù)據(jù)結構，但dict有個缺陷（其實也不算缺陷），迭代時并不是按照元素添加的順序進行，可能在某些場景下，不能滿足我們的要求。2016-12-12
Beautiful Soup是python的一個庫，最主要的功能是從網(wǎng)頁抓取數(shù)據(jù)。今天通過本文給大家分享python beautiful soup庫入門教程，需要的朋友參考下吧2021-08-08
要對RAW格式的照片進行降噪，我們可以使用rawpy庫來讀取RAW圖像，并使用imageio庫將處理后的圖像保存為其他格式，如PNG或JPEG，本文將詳細給大家介紹python如何對raw格式照片進行降噪處理,文中有詳細的代碼流程，需要的朋友可以參考下2023-05-05
這篇文章主要介紹了Python中時間元組與時間日期使用及說明,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-08-08
selenium設置proxy、headers的方法(phantomjs、Chrome、Firefox)
這篇文章主要介紹了selenium設置proxy、headers的方法(phantomjs、Chrome、Firefox)，小編覺得挺不錯的，現(xiàn)在分享給大家，也給大家做個參考。一起跟隨小編過來看看吧2018-11-11
這篇文章主要介紹了Python變量的作用域使用方式,具有很好的參考價值,希望對大家有所幫助,如有錯誤或未考慮完全的地方,望不吝賜教2024-06-06