ndarray数组索引和切片怎么理解，用法是什么-群英

上一篇：python中有什么方法可以绘制仪表盘，具体怎样做下一篇：Python中怎么进行批量压缩图片，方法是什么

这篇文章给大家介绍了“ndarray数组索引和切片怎么理解，用法是什么”的相关知识，讲解详细，步骤过程清晰，有一定的借鉴学习价值，因此分享给大家做个参考，感兴趣的朋友接下来一起跟随小编看看吧。

索引和切片相当于是对数组中内容的读（read）或者查询（inquiry）。是我们获取有用信息（demanded infomation）的重要方法。

对于索引

对于1维数组：在数组名的后面用中括号[]包括索引编号，括号中填写所查询数组的编码。比如：data[1]
对于n维数组：有两种方式
- 第一种：用列表表示所查询数的坐标值，如data_2dim[1,0]
- 第二种：把多维数组看成一位数组套娃，依次取值，如data_2dim[1][0]

对于切片

对于1维数组：在数组名后加上中括号[]，在括号中填写切片的范围，m:n注意这个式子用冒号作为分隔符，表示的意义是m≤index＜n，如：data[2:4]；特别要注意的是m和n如果省略了，则默认m=0，n=length(array)，也就是说默认是第一位和最后一位。这个和matlab中的冒号表达式是不一样的。
对于n维数组：把多维数组看成一位数组套娃，依次取值，要注意的是，多维数组的切片往往还是多维数组，如果需要得到具体某一个元素，则在切片之后还要进行索引操作。

可以在一下代码中演示索引和切片操作：

import numpy as np
data = np.array([0,1,2,3,4,5])
print(data[1])
print(data[2:4])

data_2dim = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])
print(data_2dim[1,0])
print(data_2dim[1][0])
print(data_2dim[1:4])
print(data_2dim[1:4][1:3][1][2])

运行结果如下：

1
[2 3]
4
4
[[ 4 5 6]
[ 7 8 9]
[10 11 12]]
12
[Finished in 1.3s]

总结一下，索引和切片都是对数组读的操作，都使用方括号[] (squre bracket)进行编号的框定。

特别要注意的是切片存放的变量和原来的数组变量在本质上共享同一片内存，如果修改了切片存放的变量，那么原来的数组的对应元素也会对应修改。如以下代码所示：

data = np.arange(10)
data_slice = data[3:6]
print(data)
print(data_slice)
data_slice[2] = 100
print(data)
print(data_slice)

结果如下所示：

[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[ 0 1 2 3 4 100 6 7 8 9]
[ 3 4 100]
[Finished in 2.2s]

如果需要在修改切片的同时不改变原来数组中的数据，可以使用.copy()方法。对上述代码稍作修改，结果如下：

data = np.arange(10)
data_slice = data[3:6].copy()
print(data)
print(data_slice)
data_slice[2] = 100
print(data)
print(data_slice)

[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 5 6 7 8 9]
[ 3 4 100]
[Finished in 2.5s]显示的问题

以上就是关于“ndarray数组索引和切片怎么理解，用法是什么”的介绍了，感谢各位的阅读，如果大家想要了解更多相关的内容，欢迎关注群英网络，小编每天都会为大家更新不同的知识。

标签： ndarray数组索引和切片

免责声明：本站发布的内容（图片、视频和文字）以原创、转载和分享为主，文章观点不代表本网站立场，如果涉及侵权请联系站长邮箱：mmqy2019@163.com进行举报，并提供相关证据，查实之后，将立刻删除涉嫌侵权内容。

上一篇：python中有什么方法可以绘制仪表盘，具体怎样做下一篇：Python中怎么进行批量压缩图片，方法是什么