文章目录
- 前言
- 一、索引
- 1.导入库&定义一维数组
- 2.一维数组索引
- 3.变更为多维进行索引
- 4.迭代打印
- 二、合并
- 1.导入库&定义数组
- 2.vstack()上下(垂直)&hstack()左右(水平)合并
- 3.数组转置为矩阵
- 4.concatenate()合并
前言
本文主要介绍numpy中的索引切片以及如何合并
一、索引
1.导入库&定义一维数组
import numpy as np
A = np.arange(3, 15)
print(A)
结果显示:
2.一维数组索引
print(A[2])
结果显示:
3.变更为多维进行索引
B = A.reshape(3,4)
print(B)
结果显示:
print(B[2])
print(B[2, :]) print(B[1, 1:2]) print(B[1][1])
print(B[1, 1])
结果显示:
4.迭代打印
1)
for row in B: print(row)
结果显示:
2)
for col in B.T: print(col)
结果显示:
3)
print(A.flatten())
for item in A.flat: print(item)
结果显示:
二、合并
1.导入库&定义数组
import numpy as np
A = np.array([1,1,1])
B = np.array([2,2,2])
2.vstack()上下(垂直)&hstack()左右(水平)合并
C = np.vstack((A, B))
D = np.hstack((A, B)) print(C)
print(A.shape , C.shape) print(D)
print(A.shape, D.shape)
结果显示:
3.数组转置为矩阵
1)
print(A.T)
print(A.T.shape)
print("")print(A.reshape(3,1))
print(A[np.newaxis, :])
print(A[:, np.newaxis])
结果显示:
2)
A = np.array([1, 1, 1])[:, np.newaxis]
B = np.array([2, 2, 2])[np.newaxis, :]
print(A)
print("")
print(B)
结果显示:
4.concatenate()合并
1)
C = np.concatenate((A, B, B, A), axis=0)
print(C)
结果显示:
2)
C = np.concatenate((A, B), axis=1)
print(C)
结果显示:
下一节为分割和拷贝