NumPy数组切片与索引详解：从基础到多维应用

NumPy数组索引与切片基础

ndarray对象的内容可通过索引或切片方式访问和修改，其操作逻辑与Python内置list的切片行为保持一致。

ndarray数组支持基于0至n的下标索引。利用内置的slice函数，设定start、stop及step参数，可从原数组中提取并生成新数组。

import numpy as np
 
a = np.arange(10)
s = slice(2,7,2)  # 从索引 2 开始到索引 7 停止，间隔为2
print (a[s])

代码执行后的输出结果如下：

[2 4 6]

上述示例中，首先利用arange()函数构建ndarray对象。随后，将起始、终止及步长参数分别设置为2、7和2。

此外，也可通过冒号分隔切片参数start:stop:step的形式执行切片操作：

import numpy as np
 
a = np.arange(10) 
b = a[2:7:2]  # 从索引 2 开始到索引 7 停止，间隔为 2
print(b)

代码执行后的输出结果如下：

[2 4 6]

冒号(:)在切片中的含义如下：若仅传入一个参数（如[2]），则返回对应索引的单个元素；若使用[2:]，表示提取从该索引开始至末尾的所有元素；若传入两个参数（如[2:7]），则提取从起始索引到停止索引（不含停止索引）之间的元素。

import numpy as np
 
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
b = a[5] 
print(b)

代码执行后的输出结果如下：

5

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

代码执行后的输出结果如下：

[2 3 4 5 6 7 8 9]

import numpy as np
 
a = np.arange(10) # [0 1 2 3 4 5 6 7 8 9]
print(a[2:5])

代码执行后的输出结果如下：

[2 3 4]

上述索引提取方法同样适用于多维数组：

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
# 从某个索引处开始切割
print('从数组索引 a[1:] 处开始切割')
print(a[1:])

代码执行后的输出结果如下：

[[1 2 3] [3 4 5] [4 5 6]] 从数组索引 a[1:] 处开始切割 [[3 4 5] [4 5 6]]

切片操作中还可包含省略号(...)，以使选择元组的长度与数组维度相匹配。若在行位置使用省略号，将返回包含该行元素的ndarray。

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
print (a[...,1])  # 第2列元素
print (a[1,...])  # 第2行元素
print (a[...,1:]) # 第2列及剩下的所有元素

代码执行后的输出结果如下：

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

以上为NumPy切片与索引的完整解析，更多相关技术内容可参考本站其他文章。