文章目录

  • 前言
  • 一、切片和索引是什么？
  • 二、数组索引
    • 操作
    • 示例代码1
    • 2.3 示例代码2
    • 2.4 示例代码3
  • 三、数组切片
    • 3.1 最基础的数组切片
      • 1. 切片格式：
      • 2. 如何使用：
      • 3. 示例代码：
    • 3.2 切片中包括省略号
      • 基本格式
      • 1. 单个省略号示例：
      • 2. 多个省略号示例：
  • 总结

前言

NumPy是Python中用于科学计算的重要库之一，它提供了多维数组对象和许多用于操作这些数组的函数。在本教程中，我们将探讨NumPy中的数组切片和索引，这是使用NumPy进行数据处理和分析时的关键概念。数组切片和索引使您能够访问、操作和修改NumPy数组的元素，对于数据处理和提取特定数据非常有用。

一、切片和索引是什么？

当使用NumPy进行数据处理时，切片和索引是两个关键概念。
索引 就像是查找数组中的元素的地址。就像您查找书中的特定页数一样，索引帮助您找到数组中特定位置的值。索引从0开始，所以第一个元素的索引是0，第二个是1，以此类推。
切片 就像是从数组中切出一部分。可以想象成切面包，您可以选择切出的部分的起始和结束位置。这允许您提取数组中的一段数据，而不是整个数组。
索引帮助您找到一个具体的元素，而切片则让您可以选择一个范围，取出一组元素，或者按照一定规则筛选出数组中的数据。这两个工具对于从大型数据集中获取所需信息非常有用，让数据处理更加高效。

二、数组索引

操作

在NumPy中，您可以使用索引来访问数组中的元素。索引从0开始，使用[]进行索引操作，因此第一个元素的索引是0，第二个元素的索引是1，依此类推，如果学过C语言的同学，应该可以理解的非常的快，这其实和C语言数组取value是一样的。以下是一些示例：

示例代码1

import numpy as np# 创建一个示例数组arr = np.array([1, 2, 3, 4, 5])# 访问第一个元素print(arr[0])# 输出: 1# 访问第三个元素print(arr[2])# 输出: 3

2.3 示例代码2

您还可以使用负索引从数组末尾开始访问元素，例如 -1 表示最后一个元素，-2 表示倒数第二个元素，以此类推。

# 访问最后一个元素print(arr[-1])# 输出: 5# 访问倒数第二个元素print(arr[-2])# 输出: 4

2.4 示例代码3

可以使用slice函数进行指定范围和step索引

s = slice(2,7,2)arr = np.arange(10)print(arr)print(arr[s])

三、数组切片

3.1 最基础的数组切片

NumPy是一个强大的Python库，用于科学计算和数据分析，它提供了用于处理多维数组的功能。数组切片是一种在NumPy中常用的技术，用于获取数组的子集。让我们逐步介绍NumPy数组切片的格式、用法和示例代码。

1. 切片格式：

numpy的基础切片其实和我们的python的list，元组这些切片是一样的！但他还有其他的高级用法

NumPy数组切片的基本格式如下：
array[start:stop:step]

1.start：起始索引（包含在切片中），默认为0。
2.stop：终止索引（不包含在切片中）。
3.step：步长，用于控制切片的间隔，可以为负数。

那么多于多维数组，之间使用逗号隔开

[维度1切片,维度2切片...]

2. 如何使用：

通过这个基本格式，您可以创建一个切片对象，然后应用到NumPy数组上，以获取所需的子数组。

3. 示例代码：

下面是一些示例代码，演示如何使用NumPy数组切片：

import numpy as np# 创建一个NumPy数组arr = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# 获取索引1到4之间的元素（不包括索引4）slice1 = arr[1:4]print(slice1)# 输出：[1 2 3]# 获取索引2以及之后的元素slice2 = arr[2:]print(slice2)# 输出：[2 3 4 5 6 7 8 9]# 获取索引0到8之间，步长为2的元素slice3 = arr[0:8:2]print(slice3)# 输出：[0 2 4 6]# 使用负数索引，获取倒数第三个元素到末尾slice4 = arr[-3:]print(slice4)# 输出：[7 8 9]# 从末尾开始逆序获取数组slice5 = arr[::-1]print(slice5)# 输出：[9 8 7 6 5 4 3 2 1 0]# 使用二维数组的切片arr2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])slice6 = arr2d[:2, 1:]print(slice6)# 输出：# [[2 3]#[5 6]]

这些示例演示了如何使用NumPy数组切片来获取不同范围的数组元素，以及如何应用于多维数组。切片是NumPy中强大且灵活的工具，可用于数据处理和分析中的各种任务。

3.2 切片中包括省略号

基本格式

NumPy数组切片的”…”（省略号）是一种特殊的切片操作，通常用于处理多维数组，其中维度较多，但只想在其中的一个或多个维度上执行切片操作。省略号可以用来代替一系列冒号（:）来表示多个维度的切片。
格式：
array[…, slice1, slice2, …]

省略号可以用于代替任意数量的冒号，以便对多维数组进行切片。以下是省略号的所有用法示例：

1. 单个省略号示例：

import numpy as nparr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])# 使用单个省略号切片第一个维度slice1 = arr[...]print(slice1)# 输出：# [[[ 123]# [ 456]]##[[ 789]# [10 11 12]]# 使用单个省略号切片第二个维度slice2 = arr[:, ...]print(slice2)# 输出：# [[[ 123]# [ 456]]##[[ 789]# [10 11 12]]

2. 多个省略号示例：

import numpy as nparr = np.random.rand(2, 3, 4, 5)# 使用多个省略号同时切片多个维度slice3 = arr[..., 1, 2, ...]print(slice3.shape)# 输出：(2, 3)# 使用多个省略号和其他切片slice4 = arr[:, ..., 1:4, 2]print(slice4.shape)# 输出：(2, 3, 3)

这些示例演示了如何使用省略号来简化多维数组的切片操作。省略号可以用来代替多个冒号，从而更清晰和紧凑地表达切片操作，特别适用于高维数组的情况。

总结

在本教程中，我们介绍了如何使用NumPy进行数组切片和索引。这些功能使您能够有效地访问和操作NumPy数组中的元素。关键要点包括：

使用索引访问单个元素或使用负索引访问数组末尾的元素。使用数组切片选择数组的特定部分，可以指定起始索引、结束索引和步长。对于多维数组，可以使用逗号分隔的索引来访问不同维度。

这些技巧对于数据处理、分析和科学计算非常有用，帮助您轻松处理大量数据并提取感兴趣的信息。

希望本教程对您理解NumPy中的数组切片和索引有所帮助。继续学习和实践，以更好地掌握NumPy库的强大功能。