时间:2021-05-22
如果对象是二维数组,则切片应当是x[:]的形式,里面有一个冒号,冒号之前和之后分别表示对象的第0个维度和第1个维度;
如果对象是三维数组,则切片应当是x[::],里面有两个冒号,分割出三个间隔,三个间隔的前、中和后分别表示对象的第0、1、2个维度。
x[n,:]、x[:,n]、x[m:n,:]、x[:,m:n]
上面的中括号中(m:n)应当看成一个整体,除了(m:n)之外的冒号就是用来表明在哪个维度上操作的。
对于二维数组,在冒号前面的(n,)意味着对二维数组的第0个维度上的第n号元素操作,在冒号后面的(,n)意味着对二维数组的第1个维度上的第n号元素进行操作。如果n替换成(m:n)则表示对第m号到第n-1号元素操作。
举例:
import numpy as npa = 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)运行结果如下:
(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)的数组。第0个维度上有5个元素,第1个维度上有4个元素(元素不一定是单个值, 也可能是数组,这里的元素的叫法是相对于某个维度而言的)。
x[n,::]、x[:,n:]、x[::,n]、x[:,:,n]、x[m:n,::]、x[:,m:n:]、x[::,m:n]、x[:,:,m:n]
上面的中括号中(m:n)应当看成一个整体,除了(m:n)之外的两个冒号就是用来表明在哪个维度上操作的。
对于三维数组,在双冒号的最前面的(n,)意味着对三维数组的第0个维度上的第n号元素操作,在双冒号的中间的(,n)意味着对三维数组的第1个维度上的第n号元素进行操作,在双冒号的后面的(,n)意味着对三维数组的第2个维度上的第n号元素进行操作。如果n替换成(m:n)则表示对第m号到第n-1号元素操作。
举例:
import numpy as npb = 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)运行结果如下:
(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)的数组。第0个维度上有3个元素,第1个维度上有3个元素,第2个维度上有4个元素(元素不一定是单个值, 也可能是数组,这里的元素的叫法是相对于某个维度而言的)。
以上就是本文的全部内容,希望对大家的学习有所帮助,也希望大家多多支持。
声明:本页内容来源网络,仅供用户参考;我单位不保证亦不表示资料全面及准确无误,也不保证亦不表示这些资料为最新信息,如因任何原因,本网内容或者用户因倚赖本网内容造成任何损失或损害,我单位将不会负任何法律责任。如涉及版权问题,请提交至online#300.cn邮箱联系删除。
一.axisaxis就是指定轴。三维数组可看作元素是二维数组的一维数组,二维数组可看作元素是一维数组的一维数组。(这么理解就舒服了!)例:axis=2就是三维数
这里只放部分片段的代码java中使用二维数组生成表格非常方便,但是每一维的数组都需要排好序,而且,在java中所谓的二维数组,三维数组等,其实都是多个一维数组组
名称:二维数组的几种表示方法说明:常用的有以下几种二维数组的表示方法:(1)、第一种是普通的二维数组的表示方法。(2)、第二种是用一维数组来表示二维数组,从显示
本文实例讲述了PHP实现将MySQL重复ID二维数组重组为三维数组的方法。分享给大家供大家参考,具体如下:应用场景MYSQL在使用关联查询时,比如产品表与产品图
今天做数据处理时,遇到了从三维数组中批量加入二维数组的需求。其中三维数组在深度学习的特征数据处理时经常会使用到,所以读者有必要对该小知识点做到清楚了解并掌握。现