Python Numpy数组形状重塑与索引切片详解

1.改变数组形状

数组的shape属性用于返回一个元组，其中包含数组的维度信息以及每个轴上的元素数量。此外，Numpy提供了reshape()方法，该方法能够改变数组的形状，并返回一个拥有新形状但数据共享同一内存的新数组。

例如：

a = np.array([1,2,3,4,5,6,7,8])

转换成二维数组：

b = a.reshape((2,4))

转换成三维数组：

c = a.reshape((2,2,2))

需要注意的是，重塑后的数组所包含的元素总数必须与原数组完全一致，否则程序将抛出错误。例如，执行b = a.reshape((2,5))代码会报“ValueError: cannot reshape array of size 8 into shape (2,5)”的错误。

2.索引和切片

在数据处理过程中，对数据进行索引和切片以选取特定的行、列或其他子集是常见需求。Numpy在此方面提供了强大的功能，具体操作如下：

一维数组索引和切片一维数组的索引和切片操作相对简单，其用法类似于Python原生列表。例如：

a = np.array([1,2,3,4,5,6])
# 获取第4个元素
a[4]
# 获取前3个元素
a[:3]

多维数组索引和切片对于多维数组，由于存在多个轴，因此需要对每个轴分别进行索引。此处以二维数组为例进行说明：

a = np.array([[1,2,3],[4,5,6]])
# 获取某一行数据（第二行）
a[1]
# 获取第二行第二个数据
a[1,1]

如果希望获取第0轴的前2个元素以及第1轴的前2个元素，可以使用如下切片方式：

a[:2,:2]

布尔索引

Numpy的布尔索引机制允许根据布尔类型（True或False）的结果来确定索引。例如：

a = np.arange(10)
b = a<6
b

结果输出如下：

array([ True,  True,  True,  True,  True,  True, False, False, False,
       False])

从结果可以看出，当元素值小于6时，布尔索引对应的值为True，否则为False。若希望直接过滤出符合条件的结果，而不是输出布尔值，可以使用a[b]即a[a<6]来实现。

到此这篇关于Python中的 Numpy 数组形状改变及索引切片的文章就介绍到这了,更多相关Python Numpy 内容请搜索本站以前的文章或继续浏览下面的相关文章希望大家以后多多支持本站！