Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]

时间：2020-08-14 python教程查看: 1150

Python中对于数组和列表进行切片操作是很频繁的，当然对于切片的操作可供我们直接使用的函数也是很遍历了，我们今天主要简单总结一下常用集中索引化方式，希望对大家有所帮助吧。

对于列表的切片比较简单，在我之前的博客里面有详细的讲解，需要的话可以去看看，这里就不再详细说了，今天主要是讲解对于Python中Array对象的操作，我们平时使用比较频繁的一般也就是三维的矩阵了，再高维度的处理方式是相同的，这里我们只讲解三维和二维的使用。

对于X[:,0];

是取二维数组中第一维的所有数据

对于X[:,1]

是取二维数组中第二维的所有数据

对于X[:,m:n]

是取二维数组中第m维到第n-1维的所有数据

对于X[:,:,0]

是取三维矩阵中第一维的所有数据

对于X[:,:,1]

是取三维矩阵中第二维的所有数据

对于X[:,:,m:n]

是取三维矩阵中第m维到第n-1维的所有数据

这样的讲解可能还是有点抽象，下面我们用具体的实例来讲解，相信会更加容易理解，具体如下：

#!usr/bin/env python
#encoding:utf-8
from __future__ import division

'''
__Author__:沂水寒城
学习Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]
'''

import numpy as np

def simple_test():
  '''
  简单的小实验
  '''
  data_list=[[1,2,3],[1,2,1],[3,4,5],[4,5,6],[5,6,7],[6,7,8],[6,7,9],[0,4,7],[4,6,0],[2,9,1],[5,8,7],[9,7,8],[3,7,9]]
  # data_list.toarray()
  data_list=np.array(data_list)
  print 'X[:,0]结果输出为：'
  print data_list[:,0] 
  print 'X[:,1]结果输出为：'
  print data_list[:,1]
  print 'X[:,m:n]结果输出为：'
  print data_list[:,0:1]
  data_list=[[[1,2],[1,0],[3,4],[7,9],[4,0]],[[1,4],[1,5],[3,6],[8,9],[5,0]],[[8,2],[1,8],[3,5],[7,3],[4,6]],
        [[1,1],[1,2],[3,5],[7,6],[7,8]],[[9,2],[1,3],[3,5],[7,67],[4,4]],[[8,2],[1,9],[3,43],[7,3],[43,0]],
        [[1,22],[1,2],[3,42],[7,29],[4,20]],[[1,5],[1,20],[3,24],[17,9],[4,10]],[[11,2],[1,110],[3,14],[7,4],[4,2]]]
  data_list=np.array(data_list)
  print 'X[:,:,0]结果输出为：'
  print data_list[:,:,0] 
  print 'X[:,:,1]结果输出为：'
  print data_list[:,:,1]
  print 'X[:,:,m:n]结果输出为：'
  print data_list[:,:,0:1]


if __name__ == '__main__':
  simple_test()

结果如下：

X[:,0]结果输出为：
[1 1 3 4 5 6 6 0 4 2 5 9 3]
X[:,1]结果输出为：
[2 2 4 5 6 7 7 4 6 9 8 7 7]
X[:,m:n]结果输出为：
[[1]
[1]
[3]
[4]
[5]
[6]
[6]
[0]
[4]
[2]
[5]
[9]
[3]]
X[:,:,0]结果输出为：
[[ 1 1 3 7 4]
[ 1 1 3 8 5]
[ 8 1 3 7 4]
[ 1 1 3 7 7]
[ 9 1 3 7 4]
[ 8 1 3 7 43]
[ 1 1 3 7 4]
[ 1 1 3 17 4]
[11 1 3 7 4]]
X[:,:,1]结果输出为：
[[ 2   0   4   9   0]
[ 4   5   6   9   0]
[ 2   8   5   3   6]
[ 1   2   5   6   8]
[ 2   3   5 67   4]
[ 2   9 43   3   0]
[ 22   2 42 29 20]
[ 5 20 24   9 10]
[ 2 110 14   4   2]]
X[:,:,m:n]结果输出为：
[[[ 1]
[ 1]
[ 3]
[ 7]
[ 4]]

[[ 1]
[ 1]
[ 3]
[ 8]
[ 5]]

[[ 8]
[ 1]
[ 3]
[ 7]
[ 4]]

[[ 1]
[ 1]
[ 3]
[ 7]
[ 7]]

[[ 9]
[ 1]
[ 3]
[ 7]
[ 4]]

[[ 8]
[ 1]
[ 3]
[ 7]
[43]]

[[ 1]
[ 1]
[ 3]
[ 7]
[ 4]]

[[ 1]
[ 1]
[ 3]
[17]
[ 4]]

[[11]
[ 1]
[ 3]
[ 7]
[ 4]]]
[Finished in 0.6s]

果然还是很方便，做个记录，欢迎交流！

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python博客。

numpy |

展开全文