Python中numpy怎样索引-创新互联

这篇文章主要介绍了Python中numpy怎样索引,具有一定借鉴价值,需要的朋友可以参考下。希望大家阅读完这篇文章后大有收获。下面让小编带着大家一起了解一下。

创新互联建站长期为上1000家客户提供的网站建设服务,团队从业经验10年,关注不同地域、不同群体,并针对不同对象提供差异化的产品和服务;打造开放共赢平台,与合作伙伴共同营造健康的互联网生态环境。为大柴旦企业提供专业的成都做网站、成都网站建设,大柴旦网站改版等技术服务。拥有十年丰富建站经验和众多成功案例,为您定制开发。

我们都知道,使用numpy可以存储和处理大型矩阵,必然需要学会使用矩阵的表示。矩阵中对应元素如何索引等。在此之前,我们已经学过线性代数中矩阵的表示,a[2][3]即表示第3行第4列的元素。那么,在numpy中也一样。

一维索引

import numpy as np A = np.arange(3,15) # array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])         print(A[3])    # 6


A = np.arange(3,15).reshape((3,4)) """ array([[ 3,  4,  5,  6]       [ 7,  8,  9, 10]       [11, 12, 13, 14]]) """         print(A[2])         # [11 12 13 14]


A[2]对应的就是矩阵A中第三行(从0开始算第一行)的所有元素。

二维索引

当我们需要表示具体某个元素时,就需要使用到二维索引。依然使用上述例子。

print(A[1][1])      # 8 print(A[1,1])       # 8


对一定范围内的元素进行切片操作:

print(A[1, 1:3])    # [8 9] for row in A:        # 对行操作    print(row) """     [3 4 5 6] [ 7  8  9 10] [11 12 13 14] """ for column in A.T:        # 对列操作    print(column) """   [ 3  7 11] [ 4  8 12] [ 5  9 13] [ 6 10 14] """


注意:上述表示方法 A.T 即对A进行转置,再将得到的矩阵逐行输出即可得到原矩阵的逐列输出。

关于迭代输出的问题

import numpy as np A = np.arange(3,15).reshape((3,4))         print(A.flatten())   # [ 3  4  5  6  7  8  9 10 11 12 13 14] for item in A.flat:    print(item) # 3 # 4 …… # 14


这一脚本中的flatten是一个展开性质的函数,将多维的矩阵进行展开成1行的数列。而flat是一个迭代器,本身是一个object属性。

感谢你能够认真阅读完这篇文章,希望小编分享Python中numpy怎样索引内容对大家有帮助,同时也希望大家多多支持创新互联网站建设公司,,关注创新互联行业资讯频道,遇到问题就找创新互联网站建设公司,,详细的解决方法等着你来学习!


新闻标题:Python中numpy怎样索引-创新互联
分享地址:http://pwwzsj.com/article/ceoops.html