Numpy学习笔记（三）索引切片

　　本文主要介绍numpy中的索引切片以及如何合并

1.导入库&定义一维数组

import numpy as np
A &＃61; np.arange(3, 15)
print(A)


结果显示&＃xff1a;

2.一维数组索引

print(A[2]) # 第二个元素值


结果显示&＃xff1a;

3.变更为多维进行索引

B &＃61; A.reshape(3,4) # 变为三行四列数
print(B)


结果显示&＃xff1a;

print(B[2]) # 第二行元素组成的列表 切片操作
print(B[2, :]) print(B[1, 1:2]) # 第一行第一列元素成的列表print(B[1][1]) # 第一行第一列值
print(B[1, 1])


结果显示&＃xff1a;

4.迭代打印

1&＃xff09;

for row in B: # 迭代生成B的行print(row)


结果显示&＃xff1a;

2&＃xff09;

for col in B.T: # 迭代生成A的列&＃xff0c;进行转置print(col)


结果显示&＃xff1a;

3&＃xff09;

print(A.flatten()) # 使用flatten将A转成一维的数组
for item in A.flat: # flat是一个迭代器&＃xff0c;本身是一个object属性print(item)


结果显示&＃xff1a;

1.导入库&定义数组

import numpy as np
A &＃61; np.array([1,1,1])
B &＃61; np.array([2,2,2])


2.vstack()上下(垂直)&hstack()左右(水平)合并

C &＃61; np.vstack((A, B)) # 垂直(上下)合并
D &＃61; np.hstack((A, B)) # 水平(左右)合并print(C)
print(A.shape , C.shape) # A是序列或者向量 C是两行三列的矩阵print(D)
print(A.shape, D.shape) # D为序列或向量


结果显示&＃xff1a;

3.数组转置为矩阵

1&＃xff09;

print(A.T)
print(A.T.shape)
print("")print(A.reshape(3,1))
print(A[np.newaxis, :]) # 在行方向增加维度
print(A[:, np.newaxis]) # 在列方向增加维度


结果显示&＃xff1a;

2&＃xff09;

A &＃61; np.array([1, 1, 1])[:, np.newaxis]
B &＃61; np.array([2, 2, 2])[np.newaxis, :]
print(A)
print("")
print(B)


结果显示&＃xff1a;

4.concatenate()合并

1&＃xff09;

C &＃61; np.concatenate((A, B, B, A), axis&＃61;0) # 纵向合并
print(C)


结果显示&＃xff1a;

2&＃xff09;

C &＃61; np.concatenate((A, B), axis&＃61;1)
print(C)


结果显示&＃xff1a;

下一节为分割和拷贝