Python中numpy怎樣索引

這篇文章主要介紹了Python中numpy怎樣索引，具有一定借鑒價值，需要的朋友可以參考下。希望大家閱讀完這篇文章后大有收獲。下面讓小編帶著大家一起了解一下。

我們都知道，使用numpy可以存儲和處理大型矩陣，必然需要學會使用矩陣的表示。矩陣中對應元素如何索引等。在此之前，我們已經學過線性代數中矩陣的表示，a[2][3]即表示第3行第4列的元素。那么，在numpy中也一樣。

一維索引

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]對應的就是矩陣A中第三行(從0開始算第一行)的所有元素。

二維索引

當我們需要表示具體某個元素時，就需要使用到二維索引。依然使用上述例子。

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

對一定范圍內的元素進行切片操作：

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

注意：上述表示方法 A.T 即對A進行轉置，再將得到的矩陣逐行輸出即可得到原矩陣的逐列輸出。

關于迭代輸出的問題

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

這一腳本中的flatten是一個展開性質的函數，將多維的矩陣進行展開成1行的數列。而flat是一個迭代器，本身是一個object屬性。

感謝你能夠認真閱讀完這篇文章，希望小編分享Python中numpy怎樣索引內容對大家有幫助，同時也希望大家多多支持億速云，關注億速云行業資訊頻道，遇到問題就找億速云，詳細的解決方法等著你來學習!