创新互联Python教程：Python中numpy如何索引

继上篇讲过numpy切片问题后，今天就numpy索引问题，小编为大家带来详尽解析。

发展壮大离不开广大客户长期以来的信赖与支持，我们将始终秉承“诚信为本、服务至上”的服务理念，坚持“二合一”的优良服务模式，真诚服务每家企业，认真做好每个细节，不断完善自我，成就企业，实现共赢。行业涉及成都除甲醛等，在重庆网站建设、成都营销网站建设、WAP手机网站、VI设计、软件开发等项目上具有丰富的设计经验。

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。

numpy的切片和索引方法到这里就全部分享给大家了。更多Python学习推荐:PyThon学习网教学中心。

网站栏目：创新互联Python教程：Python中numpy如何索引
当前地址：http://www.shufengxianlan.com/qtweb/news2/160802.html

网站建设、网络推广公司-创新互联，是专注品牌与效果的网站制作，网络营销seo公司；服务项目有等

广告

声明：本网站发布的内容（图片、视频和文字）以用户投稿、用户转载内容为主，如果涉及侵权请尽快告知，我们将会在第一时间删除。文章观点不代表本网站立场，如需处理请联系客服。电话：028-86922220；邮箱：631063699@qq.com。内容未经允许不得转载，或转载时需注明来源： 创新互联