Python中數(shù)組切片的用法實例詳解
一、python中“::-1”代表什么？
在Python中::-1表示將字符或數(shù)字倒序輸出（也稱【反轉(zhuǎn)】）。
舉個栗子，當line = "abcde"時，使用語句line[::-1]，最后的運行結(jié)果為：‘edcba’。
二、python中“:”的用法
在Python中a[i:j]表示復(fù)制字符串或數(shù)字從a[i]到a[j-1]（也稱【切片】）。 當切片中，i 或 j 的位置被“:”替換時，切片結(jié)果如下：
- 當
i缺省時，默認為i=0，即 a[:3]相當于 a[0:3]； - 當
j缺省時，默認為j=len(a), 即a[1:]相當于a[1:10]； - 當
i,j都缺省時，a[::]就相當于完整復(fù)制一份a。
備注：上例中，假設(shè) a = [0,1,2,3,4,5,6,7,8,9]。
參考：python中::-1代表什么？
在Python中：：-1表示將字符或數(shù)字倒序輸出。舉個栗子，當line = "abcde"時，使用語句line[::-1]，最后的運行結(jié)果為：'edcba'。下面請看詳細解釋。
一、反轉(zhuǎn)
：：-1涉及到將數(shù)字或字符倒序輸出
二、詳解
1、i：j
a = [0,1,2,3,4,5,6,7,8,9]
b = a[i:j] 表示復(fù)制a[i]到a[j-1]，以生成新的list對象
b = a[1:3] 那么，b的內(nèi)容是 [1,2]
當i缺省時，默認為0，即 a[:3]相當于 a[0:3]
當j缺省時，默認為len(alist), 即a[1:]相當于a[1:10]
當i,j都缺省時，a[:]就相當于完整復(fù)制一份a了舉個栗子：
line = "abcde"
line[:-1]
結(jié)果為：'abcd'2、：：-1
b = a[i:j:s]這種格式呢，i,j與上面的一樣，但s表示步進，缺省為1.
所以a[i:j:1]相當于a[i:j]
當s<0時，i缺省時，默認為-1. j缺省時，默認為-len(a)-1
所以a[::-1]相當于 a[-1:-len(a)-1:-1]，也就是從最后一個元素到第一個元素復(fù)制一遍。所以你看到一個倒序的東東。舉個栗子：
line = "abcde"
line[::-1]
結(jié)果為：'edcba'
line[:-1]其實就是去除了這行文本的最后一個字符（換行符）后剩下的部分。實際上問題不難，你自己動手運行一下就會非常清楚。
三、python中數(shù)組切片
1、NumPy 數(shù)組正切片的規(guī)則：
python 中【切片】的意思是將元素從一個給定的索引帶到另一個給定的索引。
- 我們像這樣傳遞切片而不是索引：
[start：end]。 - 我們還可以定義
步長，如下所示：[start：end：step]。
備注：
如果我們不傳遞 start，則將其視為 0。如果我們不傳遞 end，則視為該維度內(nèi)數(shù)組的長度。如果我們不傳遞 step，則視為 1。
numpy中一維數(shù)組切片：
a=np.array([1,2,3,4,5]) print(a) >>> array([1, 2, 3, 4, 5]) # 切片 print(a[0])#查詢 >>> 1 print(a[1:3])#切片 >>> [2 3]
numpy中二維數(shù)組切片：
a = np.array([
[1,2,3,4],
[5,6,7,8],
[9,10,11,12]
])
print(a[0,3])#第一行，第四列
>>>
4
print(a[:,3])#第四列
>>>
[ 4 8 12]
print(a[0,:])#第一行
>>>
[1 2 3 4]
"""
對數(shù)組使用均值函數(shù)mean()
"""
print(a.mean(axis=1))#計算同一列下，每一行各數(shù)字的平均值
>>>
[ 2.5 6.5 10.5]
print(a.mean(axis=0))#計算同一行下，每一列各數(shù)字的平均值
>>>
[5. 6. 7. 8.]
import numpy as np
arr = np.array([1, 2, 3, 4, 5, 6, 7])
print(arr[1:5]) # 裁切索引 1 到索引 5(不包括)的元素
>>>
[2 3 4 5]
print(arr[4:]) # 裁切數(shù)組中索引 4 到結(jié)尾的
>>>
[5 6 7]
print(arr[:4]) # 裁切從開頭到索引 4（不包括）的元素
>>>
[1 2 3 4]
2、NumPy 數(shù)組的負切片的規(guī)則：
使用減號運算符從末尾開始引用索引：[-start：-end]。
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) # 從末尾開始的索引 3 到末尾開始的索引 1，對數(shù)組進行切片： print(arr[-3:-1]) >>> [5 6]
3、NumPy 數(shù)組的使用【STEP步長】切片的規(guī)則：
使用 step 值確定切片的步長：[start: end: step]。
import numpy as np arr = np.array([1, 2, 3, 4, 5, 6, 7]) print(arr[1:5:2]) # 從索引 1 到索引 5，返回相隔的元素 >>> [2 4] print(arr[::2])# 返回數(shù)組中相隔的元素 >>> [1 3 5 7]
3、NumPy 數(shù)組中 2-D 數(shù)組的切片規(guī)則：
從第二個元素開始，對從索引 1 到索引 4（不包括）的元素進行切片。 結(jié)果的示例如下：
import numpy as np arr = np.array([[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]]) print(arr[1, 1:4]) # 從第二個元素開始，對從索引 1 到索引 4（不包括）的元素進行切片 >>> [7 8 9]
NumPy 比一般的 Python 序列提供更多的索引方式。除了之前看到的用整數(shù)和切片的索引外，數(shù)組可以由整數(shù)數(shù)組索引、布爾索引及花式索引。
三、numpy中的整數(shù)數(shù)組索引
numpy中的整數(shù)數(shù)組索引的切片規(guī)則：
以下實例獲取數(shù)組中(0,0)，(1,1)和(2,0)位置處的元素。
import numpy as np x = np.array([[1,2],[3,4],[5,5]]) y = x[[0,1,2],[0,1,0]] print(y) >>> [1 4 5]
x = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11]])
x
>>>
array([[ 0, 1, 2],
[ 3, 4, 5],
[ 6, 7, 8],
[ 9, 10, 11]])
# 切片模式一：輸出結(jié)果寫入單列表
rows = np.array([0,3,0,3])
cols = np.array([0,0,2,2])
y = x[rows,cols]
print(y)
>>>
[ 0 9 2 11]
# 切片模式二：輸出結(jié)果寫入二維數(shù)組
rows = np.array([[0,0],[3,3]])
cols = np.array([[0,2],[0,2]])
y = x[rows,cols]
print(y)
>>>
[[ 0 2]
[ 9 11]]
# 切片模式二：輸出結(jié)果寫入2*3的數(shù)組
rows = np.array([[0,0,1],[3,2,3]])
cols = np.array([[0,2,1],[0,1,2]])
y = x[rows,cols]
print(y)
>>>
array([[0, 2, 1],
[0, 1, 2]])
四、numpy中借助【切片 : 或 …與索引數(shù)組】組合進行復(fù)雜切片
借助切片 : 或 … 與索引數(shù)組組合。如下面實例：
a = np.array([[1,2,3],[4,5,6],[7,8,9]])
a
>>>
array([[1, 2, 3],
[4, 5, 6],
[7, 8, 9]])
b = a[1:3,1:3]
b
>>>
array([[5, 6],
[8, 9]])
c = a[1:3,[1,2]]
c
>>>
array([[5, 6],
[8, 9]])
d = a[...,1:] # arr[..., 1] 等價于 arr[:, :, 1]
d
>>>
array([[2, 3],
[5, 6],
[8, 9]])
五、布爾索引
我們可以通過一個布爾數(shù)組來索引目標數(shù)組。
布爾索引通過布爾運算（如：比較運算符）來獲取符合指定條件的元素的數(shù)組。
一、以下實例獲取大于 5 的元素： import numpy as np x = np.array([[ 0, 1, 2],[ 3, 4, 5],[ 6, 7, 8],[ 9, 10, 11]]) print (x) >>> [[ 0 1 2] [ 3 4 5] [ 6 7 8] [ 9 10 11]] print (x[x > 5]) # 現(xiàn)在我們會打印出大于 5 的元素 >>> [ 6 7 8 9 10 11] 二、以下實例使用了 ~（取補運算符）來過濾 NaN。 import numpy as np a = np.array([np.nan, 1,2,np.nan,3,4,5]) print (a[~np.isnan(a)]) >>> [ 1. 2. 3. 4. 5.] 三、以下實例演示如何從數(shù)組中過濾掉非復(fù)數(shù)元素。 import numpy as np a = np.array([1, 2+6j, 5, 3.5+5j]) print (a[np.iscomplex(a)]) >>> [2.0+6.j 3.5+5.j]
六、花式索引
花式索引指的是利用整數(shù)數(shù)組進行索引。
花式索引根據(jù)索引數(shù)組的值作為目標數(shù)組的某個軸的下標來取值。
- 對于使用一維整型數(shù)組作為索引，如果目標是一維數(shù)組，那么索引的結(jié)果就是對應(yīng)位置的元素；
- 如果目標是二維數(shù)組，那么就是對應(yīng)下標的行。
import numpy as np x=np.arange(32).reshape((8,4)) print (x[[4,2,1,7]]) # 傳入順序索引數(shù)組 >>> [[16 17 18 19] [ 8 9 10 11] [ 4 5 6 7] [28 29 30 31]] print (x[[-4,-2,-1,-7]]) # 傳入倒序索引數(shù)組 >>> [[16 17 18 19] [24 25 26 27] [28 29 30 31] [ 4 5 6 7]] print (x[np.ix_([1,5,7,2],[0,3,1,2])]) # 傳入多個索引數(shù)組（要使用np.ix_） >>> [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
原理：
np.ix_函數(shù)就是輸入兩個數(shù)組，產(chǎn)生笛卡爾積的映射關(guān)系
舉個例子：
將輸入數(shù)組[1,5,7,2]和數(shù)組[0,3,1,2]產(chǎn)生笛卡爾積，就是得到(1,0)，(1,3)，(1,1)，(1,2)；(5,0)，(5,3)，(5,1)，(5,2)；(7,0)，(7,3)，(7,1)，(7,2)；(2,0)，(2,3)，(2,1)，(2,2)；
就是按照坐標(1,0)，(1,3)，(1,1)，(1,2)取得 x所對應(yīng)的元素4，7，5，6，(5,0)，(5,3)，(5,1)，(5,2)取得 x 所對應(yīng)的元素20，23，21，22…以此類推。
import numpy as np x=np.arange(32).reshape((8,4)) print (x[np.ix_([1,5,7,2],[0,3,1,2])]) >>> [[ 4 7 5 6] [20 23 21 22] [28 31 29 30] [ 8 11 9 10]]
總結(jié)
到此這篇關(guān)于Python中數(shù)組切片的用法詳解的文章就介紹到這了,更多相關(guān)Python數(shù)組切片用法內(nèi)容請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！
相關(guān)文章
本文主要介紹了Python解包中*和**的最全用法,它們具有多種用途,包括解包參數(shù)、擴展序列、字典和集合操作等,具有一定的參考價值,感興趣的可以了解一下2023-11-11
PyQt+socket實現(xiàn)遠程操作服務(wù)器的方法示例
這篇文章主要介紹了PyQt+socket實現(xiàn)遠程操作服務(wù)器的方法示例，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2019-08-08
平常在處理數(shù)據(jù)的時候，必不可少地要使用數(shù)據(jù)庫存取數(shù)據(jù)，出于一些原因，個人非常喜歡MongoDB這個數(shù)據(jù)庫。下面這篇文章主要給大家介紹了Python3中使用PyMongo的方法示例，文中介紹的非常詳細，需要的朋友可以參考借鑒，下面來一起看看吧。2017-07-07
20個Python中正則表達式的應(yīng)用與技巧小結(jié)
正則表達式是一種用來匹配字符串的模式,它可以在文本中搜索和匹配特定的字符串模式,本文我們將探討?Python?中?re?模塊的應(yīng)用和一些技巧,希望可以幫助您更好地理解和利用正則表達式2024-04-04
Python jieba 中文分詞與詞頻統(tǒng)計的操作
這篇文章主要介紹了Python jieba 中文分詞與詞頻統(tǒng)計的操作，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2021-03-03
這篇文章主要介紹了Python netmiko模塊的使用，文中通過示例代碼介紹的非常詳細，對大家的學(xué)習(xí)或者工作具有一定的參考學(xué)習(xí)價值，需要的朋友們下面隨著小編來一起學(xué)習(xí)學(xué)習(xí)吧2020-02-02
在Python 3.10中引入了一個match語句，其類似于其他語言(eg:C,JAVA)中的switch或case語句，本文就來介紹一下Python中match的具體使用，感興趣的可以了解一下2023-11-11
通過python調(diào)用adb命令對App進行性能測試方式
這篇文章主要介紹了通過python調(diào)用adb命令對App進行性能測試方式，具有很好的參考價值，希望對大家有所幫助。一起跟隨小編過來看看吧2020-04-04
DB2 是美國IBM公司開發(fā)的一套關(guān)系型數(shù)據(jù)庫管理系統(tǒng)，它主要的運行環(huán)境為UNIX（包括IBM自家的AIX）、Linux、IBM i（舊稱OS/400）、z/OS，以及Windows服務(wù)器版本。今天我們來探討下如何使用Python連接DB2數(shù)據(jù)庫2016-08-08
Python中關(guān)于matplotlib圖片的灰度處理方式
這篇文章主要介紹了Python中關(guān)于matplotlib圖片的灰度處理方式,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2023-08-08