Numpy入门之 多维数组
Numpy入门之 多维数组
用户6021899
发布于 2019-08-14 15:55:46
发布于 2019-08-14 15:55:46
多维数组是用来描述多层嵌套的数据的一种模型，（如 图书馆的 楼，层，房间，书架，书架上的行和列），出于内存对齐的需要，它要求同一级的子数组要有相同的形状尺寸，还要求每个元素的数据类型相同。（6维数组可以类比这样一个特殊的图书馆，它每栋楼都有相同的层数，每一层都有相同的房间数，每个房间都有相同数量的书架，每个书架都有相同的行数，书架上每一行只能放相同数量的书。）。
数组有多少层/维，就可以说有多少个轴。Numpy数组最外的那一层称为第0轴（楼），往内依次是第1轴（层），第2轴（房间），第3轴(书架），第4轴（行），第5轴（列）。最常见的多维数组是 2 维数组，其第0轴称作行，第1轴称作列。
可以使用元组（tuple）作为数组的下标存取数组的元素：
>>> a = np.arange(10).reshape(-1,1)#第1轴变为1列，第0轴自动调整
>>> a
array([[0],
[1],
[2],
[3],
[4],
[5],
[6],
[7],
[8],
[9]])
>>> a = a + np.arange(10) #broadcast 广播，后面回介绍
>>> a
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
[ 2, 3, 4, 5, 6, 7, 8, 9, 10, 11],
[ 3, 4, 5, 6, 7, 8, 9, 10, 11, 12],
[ 4, 5, 6, 7, 8, 9, 10, 11, 12, 13],
[ 5, 6, 7, 8, 9, 10, 11, 12, 13, 14],
[ 6, 7, 8, 9, 10, 11, 12, 13, 14, 15],
[ 7, 8, 9, 10, 11, 12, 13, 14, 15, 16],
[ 8, 9, 10, 11, 12, 13, 14, 15, 16, 17],
[ 9, 10, 11, 12, 13, 14, 15, 16, 17, 18]])
>>> a[(2,3)] #使用元组作为数组下标
5也可以使用整数序列进行存取：
>>> a[3: , [0, 2, 4]] # 第0轴取第3及之后所有行，第1轴取第0，2，4列
array([[ 3, 5, 7],
[ 4, 6, 8],
[ 5, 7, 9],
[ 6, 8, 10],
[ 7, 9, 11],
[ 8, 10, 12],
[ 9, 11, 13]]) 还可以使用数组进行存储：
>>> a[np.array([0,1,3])] #相当于a[[0,1,3]]
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
[ 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]])
>>> a[[0,1,3]]
array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9],
[ 1, 2, 3, 4, 5, 6, 7, 8, 9, 10],
[ 3, 4, 5, 6, 7, 8, 9, 10, 11, 12]])
>>> a[np.array([0,1,3]), np.array([0,1,2])] #a[(0,0)]，a[(1,1)]，a[(3,2)]组成的数组
array([0, 2, 5])本文参与 腾讯云自媒体分享计划，分享自微信公众号。
原始发表：2019-03-13，如有侵权请联系 cloudcommunity@tencent.com 删除
本文分享自 Python可视化编程机器学习OpenCV 微信公众号，前往查看
如有侵权，请联系 cloudcommunity@tencent.com 删除。
本文参与 腾讯云自媒体分享计划 ，欢迎热爱写作的你一起参与！
评论
登录后参与评论
推荐阅读