索引和切片相當(dāng)于是對(duì)數(shù)組中內(nèi)容的讀（read）或者查詢（inquiry）。是我們獲取有用信息（demanded infomation）的重要方法。

對(duì)于索引

• 對(duì)于1維數(shù)組：在數(shù)組名的后面用中括號(hào)[]包括索引編號(hào)，括號(hào)中填寫(xiě)所查詢數(shù)組的編碼。比如：data[1]
• 對(duì)于n維數(shù)組：有兩種方式
  • 第一種：用列表表示所查詢數(shù)的坐標(biāo)值，如data_2dim[1,0]
  • 第二種：把多維數(shù)組看成一位數(shù)組套娃，依次取值，如data_2dim[1][0]

對(duì)于切片

• 對(duì)于1維數(shù)組：在數(shù)組名后加上中括號(hào)[]，在括號(hào)中填寫(xiě)切片的范圍，m:n注意這個(gè)式子用冒號(hào)作為分隔符，表示的意義是m≤index＜n，如：data[2:4]；特別要注意的是m和n如果省略了，則默認(rèn)m=0，n=length(array)，也就是說(shuō)默認(rèn)是第一位和最后一位。這個(gè)和matlab中的冒號(hào)表達(dá)式是不一樣的。
• 對(duì)于n維數(shù)組：把多維數(shù)組看成一位數(shù)組套娃，依次取值，要注意的是，多維數(shù)組的切片往往還是多維數(shù)組，如果需要得到具體某一個(gè)元素，則在切片之后還要進(jìn)行索引操作。

可以在一下代碼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])

運(yùn)行結(jié)果如下：

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

總結(jié)一下，索引和切片都是對(duì)數(shù)組讀的操作，都使用方括號(hào)[] (squre bracket)進(jìn)行編號(hào)的框定。

特別要注意的是切片存放的變量和原來(lái)的數(shù)組變量在本質(zhì)上共享同一片內(nèi)存，如果修改了切片存放的變量，那么原來(lái)的數(shù)組的對(duì)應(yīng)元素也會(huì)對(duì)應(yīng)修改。如以下代碼所示：

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

結(jié)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時(shí)不改變?cè)瓉?lái)數(shù)組中的數(shù)據(jù)，可以使用.copy()方法。對(duì)上述代碼稍作修改，結(jié)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]

到此這篇關(guān)于python中ndarray數(shù)組的索引和切片的實(shí)現(xiàn)的文章就介紹到這了,更多相關(guān)python ndarray數(shù)組索引和切片內(nèi)容請(qǐng)搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評(píng)論