前言

NumPy（Numerical Python的縮寫(xiě)）是一個(gè)開(kāi)源的Python科學(xué)計(jì)算庫(kù)。使用NumPy，就可以很自然地使用數(shù)組和矩陣。NumPy包含很多實(shí)用的數(shù)學(xué)函數(shù)，涵蓋線性代數(shù)運(yùn)算、傅里葉變換和隨機(jī)數(shù)生成等功能。本文主要介紹Python NumPy 數(shù)組索引及訪問(wèn)數(shù)組元素。

1、訪問(wèn)數(shù)組元素

數(shù)組索引與訪問(wèn)數(shù)組元素相同。

您可以通過(guò)引用其索引號(hào)來(lái)訪問(wèn)數(shù)組元素。

NumPy數(shù)組中的索引以0開(kāi)頭，這意味著第一個(gè)元素的索引為0，第二個(gè)元素的索引為1等。

例如：

從以下數(shù)組中獲取第一個(gè)元素：

import numpy as np
arr = np.array([1, 3, 3, 4])
print(arr[0])
#  1

例如：

從以下數(shù)組中獲取第二個(gè)元素。

import numpy as np
 
arr = np.array([1, 3, 3, 4])
 
print(arr[1])
 
# 3

例如：

從以下數(shù)組中獲取第三和第四個(gè)元素并將其添加。

import numpy as np
 
arr = np.array([1, 2, 3, 4])
 
print(arr[2] + arr[3])
 
# 7

2、訪問(wèn) 2-D Arrays(數(shù)組)

要訪問(wèn)二維數(shù)組中的元素，我們可以使用逗號(hào)分隔的整數(shù)來(lái)表示元素的維數(shù)和索引。

例如：

在第一個(gè)昏暗處訪問(wèn)第二個(gè)元素：

import numpy as np
 
arr = np.array([[1,12,3,4,5], [6,7,8,9,10]])
 
print('2nd element on 1st dim: ', arr[0, 1])
 
# 2nd element on 1st dim:  12

例如：

進(jìn)入第二個(gè)暗處的第五個(gè)元素：

import numpy as np
 
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
 
print('5th element on 2nd dim: ', arr[1, 4])
 
#  5th element on 2nd dim:  110

3、訪問(wèn) 3-D Arrays(數(shù)組)

要訪問(wèn)3-D數(shù)組中的元素，我們可以使用逗號(hào)分隔的整數(shù)來(lái)表示元素的尺寸和索引。

例如：

訪問(wèn)第一個(gè)數(shù)組的第二個(gè)數(shù)組的第三個(gè)元素:

import numpy as np
 
arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
 
print(arr[0, 1, 2])

示例說(shuō)明

arr[0, 1, 2]輸出的值為6.

這就是為什么：

第一個(gè)數(shù)字表示第一維，它包含兩個(gè)數(shù)組：

[[1、2、3]，[4、5、6]]

和：

[[7、8， 9]，[10，11，12]]

因?yàn)槲覀冞x擇了0，所以剩下的第一個(gè)數(shù)組是：

[[1、2、3]，[4 ，5，6]]

第二個(gè)數(shù)字代表第二維，它還包含兩個(gè)數(shù)組：

[1、2、3]

和：

[4、5、6]

，因?yàn)槲覀冞x擇了1，剩下第二個(gè)數(shù)組：

[4，5，6]

第三個(gè)數(shù)字代表第三個(gè)維度，其中包含三個(gè)值：

4

5

6

由于我們選擇了2，因此我們以第三個(gè)維度結(jié)束 值：

6

4、負(fù)索引

使用負(fù)索引從頭開(kāi)始訪問(wèn)數(shù)組。

例如：

打印第二個(gè)暗處的最后一個(gè)元素：

import numpy as np
 
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
 
print('Last element from 2nd dim: ', arr[1, -1])
 
# Last element from 2nd dim:  110

參考資料：https://www.cjavapy.com/article/1040/

到此這篇關(guān)于Python NumPy 數(shù)組索引的文章就介紹到這了,更多相關(guān)Python NumPy 數(shù)組索引內(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