超过1Dnumpy数组的高级切片
超过1D numpy数组的高级切片是指对于多维数组（2D、3D等）进行切片操作，以获取特定的子数组或元素。
在numpy中，可以使用切片操作来选择数组的特定部分。对于多维数组，可以使用多个切片来选择不同维度上的子数组。以下是一些常见的高级切片操作：
- 选择特定行或列：
- 通过使用单个切片操作选择特定的行或列。例如，arr[:, 2]选择所有行的第3列。
- 使用多个切片操作选择特定的行和列。例如，arr[1:4, 2:5]选择第2到第4行和第3到第5列的子数组。
- 使用布尔数组进行选择：
- 可以使用布尔数组来选择满足特定条件的元素。例如，arr[arr > 5]选择数组中大于5的元素。
- 可以使用多个布尔数组来选择满足多个条件的元素。例如，arr[(arr > 2) & (arr < 5)]选择数组中大于2且小于5的元素。
- 使用整数数组进行选择：
- 可以使用整数数组来选择特定的行或列。例如，arr[[0, 2, 4], :]选择第1、第3、第5行的子数组。
- 可以使用多个整数数组来选择特定的元素。例如，arr[[0, 1], [2, 3]]选择第1行第3列和第2行第4列的元素。
高级切片操作可以灵活地选择数组的子数组或元素，方便进行数据处理和分析。
腾讯云相关产品和产品介绍链接地址：
- 腾讯云计算服务：https://cloud.tencent.com/product/cvm
- 腾讯云数据库服务：https://cloud.tencent.com/product/cdb
- 腾讯云对象存储服务：https://cloud.tencent.com/product/cos
- 腾讯云人工智能服务：https://cloud.tencent.com/product/ai
- 腾讯云物联网平台：https://cloud.tencent.com/product/iotexplorer
- 腾讯云移动开发服务：https://cloud.tencent.com/product/mobdev
- 腾讯云区块链服务：https://cloud.tencent.com/product/tbaas
- 腾讯云元宇宙服务：https://cloud.tencent.com/product/tencentmetaverse
请注意，以上链接仅供参考，具体产品选择应根据实际需求和情况进行评估。
相关·内容
我在乱搞二维切片，不明白为什么忽略一些缺省值，从原始数组中获取相同的值，但产生不同的输出。双支架和形状改变是怎么回事？
x = np.arange(9).reshape(3,3)
y = x[2]
z = x[2:,:]
print y
print z
print shape(y)
print shape(z)
[6 7 8]
[[6 7 8]]
(3L,)
(1L, 3L)
浏览 3提问于2014-09-07得票数 1
回答已采纳
我遇到了一个很奇怪的问题，当索引一个矮胖的ndarray时。您可以使用以下代码生成结果。我不明白为什么索引a的结果以某种方式被转换，而2d数组b的结果却是正常的。谢谢。
In [1]: a = np.array(range(6)).reshape((1,2,3))
In [2]: mask = np.array([True, True, True])
In [3]: a
Out[3]:
array([[[0, 1, 2],
[3, 4, 5]]])
In [4]: a[0, :, mask]
Out[4]:
array([[0, 3],
[1, 4],
浏览 3提问于2016-05-07得票数 2
回答已采纳
我需要在我的项目中处理一些大型numpy数组。在从磁盘加载这样的数组后，我的计算机将占用超过一半的内存。
加载数组后，我会对其进行几个切片(几乎一半的数组将被选中)，然后收到错误消息，告诉我内存不足。
通过做一个我理解的小实验，我会收到这个错误，因为当numpy数组被切片时，将创建一个副本。
import numpy as np
tmp = np.linspace(1, 100, 100)
inds = list(range(100))
tmp_slice = tmp[inds]
assert id(tmp) == id(tmp_slice)
返回AssertionError
是否有一种方
浏览 7提问于2019-09-17得票数 1
回答已采纳
1回答
如果我有一个1Dnumpy数组，并且我想返回一个包含关于x的一阶导数的1Dnumpy数组，那么我是否要使用np.gradient(x)？我想我做错了什么
这是我的代码，但它告诉我我的答案是不正确的。
def dfunc(x):
'''
Parameters
x: 1D numpy array
Returns
df: 1D numpy array containing first derivatives wrt x
'''
# WRITE YOUR CODE HERE
df = np.gradient(x)
return df
浏览 2提问于2019-02-12得票数 0
2回答
当我同时索引多个维度时，我对numpy ndarray遇到了麻烦：
> a = np.random.random((25,50,30))
> b = a[0,:,np.arange(30)]
> print(b.shape)
这里我希望结果是(50,30)，但实际上真正的结果是(30,50)！
有人能给我解释一下吗?我不明白，这个特性在我的代码中引入了大量的bug。谢谢您:)
补充资料：
一维索引工作得很好：
> b = a[0,:,:]
> print(b.shape)
(50,30)
当我换位时：
> a[0,:,0] == b[0,:]
True
浏览 2提问于2017-02-10得票数 0
回答已采纳
2回答
当我尝试分割一个Numpy数组(3d)时，会发生一些意想不到的事情。
import numpy as np
x=np.array(
[ [[1., 2., 3., 4., 5.],
[6., 7., 8., 9., 0.],
[1., 2., 3., 4., 5.],
[6., 7., 8., 9., 0.]],
[ [11., 12., 13., 14., 15.],
[16., 17., 18., 19., 10.],
[11., 12., 13., 14., 15.],
[16., 17., 18., 19., 10.]],
[
浏览 1提问于2018-03-18得票数 2
回答已采纳
我在其他地方找不到这个问题的答案。
对于像a = np.random.rand(10)这样的1Dnumpy随机数组，我想在函数中包含其相邻元素(即前一个和后一个元素)的每个元素上执行一个操作。所以，就像这样
write = []
for previous_item, current_item, next_item in zip(a,a[1::],a[2::]):
write += operation_on(previous_item, current_item, next_item)
但是当我尝试在Numpy数组上使用这些切片运算符时，它告诉我a[1::]等是一个浮点数。是否有一个N
浏览 9提问于2017-02-23得票数 1
回答已采纳
2回答
我尝试使用列表来索引一个数组(有五个维度)。然而，在某些情况下，数组是置换的。
假设a的形状为(3,4,5,6,7)，即，
>>> a = np.zeros((3,4,5,6,7))
>>> a.shape
(3, 4, 5, 6, 7)
使用列表在第三维索引此数组，看起来很正常：
>>> a[:,:,[0,3],:,:].shape
(3, 4, 2, 6, 7)
但是，如果在以下情况下对数组进行索引，则第三维将排列到最左边：
>>> a[0,:,[0,1],:,:].shape
(2, 4, 6, 7)
有人能解释一下
浏览 2提问于2019-03-04得票数 5
1回答
我有一个3D数据立方体，我正在尝试在其他两个轴的特定值上绘制第一个轴的曲线图。目标是在天空中的给定坐标下绘制速度图。 我已经尝试通过输入最后两个轴的值来从3D数组创建一维数组。这就是我尝试过的 achan=50
dchan = 200
lmcdata[:][achan][dchan] #this array has three axes, vchan, achan, dchan. 我期待一个大小为120的数组，因为有120个速度通道组成了vchan轴。当尝试上面的代码时，我一直得到一个大小为655的数组，这是dchan轴的条目数。
浏览 12提问于2019-03-30得票数 1
1回答
我正在尝试理解下面的代码以及它的作用：
im = pilimage.open(img_path)
image_array = np.array(im)
imgstack = image_array[area[0]:area[1],
area[2]:area[3], z_stack[0]:z_stack[1]]
我知道它会打开图像并将其存储在im中，然后将im转换为数组并将其存储在image_array中。我不太明白的是最后一部分。我对python语法没有太多的经验，所以有人能帮我吗？非常感谢!
浏览 0提问于2019-10-03得票数 0
1回答
低劣的高级索引异常。我是在为CS 190.1X做作业时遇到这种情况的。我花了一段时间才掌握了尺寸。
>>> a = np.ndarray([3,3],int)
>>> a[:,1]
array([-1,0,0])
>>> a[:,[1]]
array([[-1],[0],[0]])
这是一个特性还是一个bug？:)
浏览 4提问于2015-08-02得票数 0
回答已采纳
使用以下代码
fn_t1 = glob("/T1/*.nii")
fn_fl = glob("/flair/*.nii")
fn_lb = glob("/label/*.nii")
dat_t1 = np.empty(shape=(len(fn_t1),250,250,74), dtype=np.float32)
dat_fl = np.empty(shape=(len(fn_fl),250,250,74), dtype=np.float32)
dat_lb = np.empty(shape=(len(fn_lb),250,250,74), d
浏览 0提问于2018-03-12得票数 0
回答已采纳
1回答
我有一个5维数组，如下所示 a=np.random.randint(10,size=[2,3,4,5,600])
a.shape #(2,3,4,5,600) 我想得到第二个维度的第一个元素，以及最后一个维度的几个元素 b=a[:,0,:,:,[1,3,5,30,17,24,30,100,120]]
b.shape #(9,2,4,5) 如您所见，最后一个维度被自动转换为第一个维度。为什么？如何避免这种情况？
浏览 26提问于2021-08-16得票数 4
我有一个简单的脚本代码，所以我不知道为什么numpy中的元素不能交换。感谢^^
import numpy as np
arr = np.arange(10)
a = arr[range(3)]
b = arr[:3]
c = arr[3:6]
# Can swap
arr[range(3)], arr[3:6] = arr[3:6],arr[range(3)]
# Can't swap
arr[:3], arr[3:6] = arr[3:6],arr[:3]
浏览 3提问于2020-09-04得票数 2
1回答
从字典创建特定大小的矩阵
、、、、
我想通过linalg.solve(A，b)解线性矩阵方程，或scipy.org的线性标量方程组。具体地说，我有两个字典，dict1和dict1，为了使用上面的脚本，我需要将它们转换成矩阵。
food = ['fruits', 'vegetables', 'bread', 'meat']
frequency = ['daily', 'rarely']
consumptions = {'fruits': {'daily': 6, 'rarely':
浏览 18提问于2016-08-17得票数 0
回答已采纳
1回答
我正在尝试各种方法来分割一个模糊的数组。我认为这两个print语句将产生相同的输出。但事实并非如此。有人能给我解释一下原因吗？
import numpy as np
two_dim_array = np.array([[1,2,3,4],[5,6,7,8],[9,10,11,12],[13,14,15,16]])
print(two_dim_array)
print(two_dim_array[[0,1],[2,3]]) #-----> why wont this work?
print(two_dim_array[:2,[2,3]]) #-----> why would th
浏览 0提问于2021-02-27得票数 0
关于Bigarray模块的文档有些含糊。它声明该模块中数组的目的是保存“大型数组”，但它并没有真正定义“大型数组”是什么意思。什么时候我应该在常规数组上使用Bigarray？是否存在一定数量的元素，超过这些元素我应该使用Bigarray？数以千计吗？几百万人？数十亿美元？
是什么让Bigarray更好地处理大数组呢？是什么让常规数组更好地处理...非大型数组？
浏览 4提问于2009-11-02得票数 8
回答已采纳
假设我有这个数组
import numpy as np
a = np.array(
[
[[1,2], [3,4], [5,6]],
[[11,21], [31,41], [51,61]],
[[12,22], [32,42], [52,62]],
]
)
这两个布尔面具
starts = array([[False, True, False],
[ True, False, False],
[ True, False, False]])
ends = array([[False, False, True],
浏览 1提问于2022-02-20得票数 0
回答已采纳
1回答
当我把掩蔽指数和正常指数混合时，我得到了一个奇怪的结果：
a = np.zeros((3,2,5))
cond = [True]*5
print(a[0][:,cond].shape) # prints '(2,5)' as expected
print(a[0,:,cond].shape) # prints '(5,2)' which is surprising
也就是说，产生的数组是从我认为应该发生的事情中转移的。
这是个虫子吗？这是特写吗？如果有人能向我指出一篇解释这一点的文档，我会非常高兴的:)
浏览 1提问于2021-07-20得票数 0
回答已采纳
假设我正在处理一个数组，它有很多项，总是超过20项，但数量从来没有相同。我想把这个数组缩小到10个。没有考虑不同大小的数组。
做这个的好方法是什么？
浏览 7提问于2013-08-20得票数 0
回答已采纳
假设我有一个numpy数组：
arr = np.array([1,2,3,4,4,5,3,2,10])
和一个索引数组：
indices = np.array([0,1,4,6])
我可以编写一个简单的函数来完成这个任务，但是我想知道numpy是否有一个像np.get(arr, indices)这样的内置函数，在本例中返回np.array([1,2,4,3]。
浏览 0提问于2018-01-19得票数 2
回答已采纳
有几个帖子用于分割2D和3D NumPy数组，但是在我的程序中，数组的维数还不清楚。考虑任意维数的NumPy ndarray A (正整数)和形状D=[d1,...,dn] (di的非负整数)，例如：
import numpy as np
D=np.array([2,3,4,5])
A=np.random.rand(*D)
现在我需要提取一个A块，从D1=[d11,...,d1n]到D2=[d21,...,d2n]，所有0<i<=n : 0<=d1i<=d2i<=di都在这里。类似于：
A[D1:D2]
如果我是新的n，那么我可以简单地使用A[d11:d21
浏览 0提问于2018-08-10得票数 0
回答已采纳
如果数组长度超过40，我想将客户数组划分为子数组，例如，如果客户数组中有80个对象，则应该将其划分为大小为40的两个子数组。
浏览 0提问于2021-07-28得票数 0
回答已采纳
2回答
我有一个二维numpy数组，表示坐标网格上的深度。
z = np.array([[100, 101, 102, 103],
[101, 102, 103, 104],
[102, 103, 104, 105],
[103, 104, 105, 106],
[104, 105, 106, 107]])
我还有一个列出垂直坐标的1Dnumpy数组和另一个列出水平坐标的1Dnumpy数组。
x = np.array([10, 11, 12, 13])
y = np.array([20, 2
浏览 11提问于2018-08-13得票数 2
3回答
在带有numpy 1.5.1的python 2.7.1中：
import numpy as np
B = np.matrix([[-float('inf'), 0], [0., 1]])
print B
Bm = B[1:, :]
Bm[:, 1] = float('inf')
print B
返回
[[-inf 0.]
[ 0. 1.]]
[[-inf 0.]
[ 0. inf]]
这是非常出乎意料的，因为我认为Bm是一个副本(就像在中一样)。
任何帮助弄清楚这一点的人都将不胜感激。
浏览 0提问于2012-05-20得票数 2
回答已采纳
1回答
我有一个列表，它有几十万个相同大小的数组。我需要删除每个数组中的第一个元素，然后使用np.unique(my_array,return_counts=True)创建一个频率表。
例如，考虑
data = [[0,1,5,6,3,4,5],[2,3,1,2,4,0,5],[9,7,0,2,4,0,3],[8,7,1,7,4,0,2]]
如何找到每个唯一值在上述列表数据中出现的次数。由于我的数据量很大，我需要一种快速的方法。
浏览 7提问于2020-11-19得票数 1
回答已采纳
2回答
所以我有几个.txt文件，有超过80.000行的数据。因此，对于Python来说，这可能不是很多，但是，我需要在需要特定包的R中使用这些数据。在那里，加载一个文件大约需要30秒--我有1200个这样的文件。
但是，这些文件中的数据相当密集。没有必要有这么小的步骤，即我想删除一些，以使文件更小。
我现在使用的内容如下：
np.delete(np.array(data_lines), np.arange(1, np.array(data_lines).size, 2))
我让它从行索引1开始，并删除包含+80.000行数据的data_lines数组的第二行。但是，正如您所看到的，这只会减少1/2的
浏览 0提问于2017-10-20得票数 1
回答已采纳
2回答
我找到了一个网页，解释如何使用set_xticks和。set_xticklabels。
他们把set_xticks和set_xticklabels设为.
ax.set_xticks(xx[::5,0])
ax.set_xticklabels(times[::5])
ax.set_yticks(yy[0,::5])
ax.set_yticklabels(dates[::5])
[::5,0]到底是什么意思。
我不知道.
浏览 1提问于2015-07-08得票数 4
回答已采纳
我相信这是一个简单的问题，但我被困住了。我从张量中选择特定的维度
input = x[i, :, 38:44]
在此之前，一切都很好，但现在我想提取一个不同的维度范围，例如：
38:44 then 46 to 48 then 50 to 54.，我们怎么能做到这一点？
浏览 1提问于2022-06-25得票数 0
2回答
numpy数组的时髦行为
、、、、
我希望有人能用一个numpy数组来解释我观察到的以下行为：
>>> import numpy as np
>>> data_block=np.zeros((26,480,1000))
>>> indices=np.arange(1000)
>>> indices.shape
(1000,)
>>> data_block[0,:,:].shape
(480, 1000) #fine and dandy
>>> data_block[0,:,indices].shape
浏览 2提问于2013-06-12得票数 3
回答已采纳
2回答
我有一个三维阵列。当我取其中的二维切片时，其结果取决于它是用列表索引还是用片索引。在第一种情况下，结果被转置。在中没有发现这种行为。
>>> import numpy as np
>>> x = np.array([[[1,1,1],[2,2,2]], [[3,3,3],[4,4,4]]])
>>> x
array([[[1, 1, 1],
[2, 2, 2]],
[[3, 3, 3],
[4, 4, 4]]])
>>> x[0,:,[0,1]]
array([[1, 2],
浏览 0提问于2017-04-24得票数 3
回答已采纳
1回答
我有一个netcdf文件，其中包含一个浮点数数组(21600,43200)。我不想将整个数组读入RAM，因为它太大了，所以我使用Dataset对象从netCDF4库读取数组。
我想用两个300-400坐标的一维numpy数组(x_coords，y_coords)来计算子集的平均值。
我认为我不能使用基本的索引，因为我的坐标不是连续的。我目前所做的只是将数组直接输入对象，如下所示：
ncdf_data = Dataset(file, 'r')
mean = np.mean(ncdf_data.variables['q'][x_coords, y_coords])
浏览 6提问于2017-02-23得票数 0
回答已采纳
1回答
我有一个3Dnumpy数组(1L，420L，580L)，2维和3维是我想用openCV显示的灰度图像。如何从3D数组中拉出2D数组？
我创建了一个简短的例程来做这件事，但我打赌还有更好的方法。
# helper function to remove 1st dimension
def pull_image(in_array):
rows = in_array.shape[1] # vertical
cols = in_array.shape[2] # horizontal
out_array = np.zeros((rows, cols), np.uin
浏览 1提问于2016-08-12得票数 1
回答已采纳
1回答
当以某种意想不到的方式执行特定的切片时，numpy数组的形状正在发生变化。
我尝试过几种方法来分割相同的数组，但是细微的差异会导致数组形状的不同结果。
import numpy as np
z = np.zeros((1,9,10,2))
# This makes sense
print(z[...,[1,0]].shape)
# (1, 9, 10, 2)
print(z[0,...].shape)
# (9, 10, 2)
print(z[0:1,...,[1,0]].shape)
# (1, 9, 10, 2)
print(z[0][...,[1,0]].shape)
# (9, 10
浏览 0提问于2019-05-24得票数 3
回答已采纳
1回答
我有一个图像作为三维数字阵列(宽度，高度和颜色作为尺寸)。现在，我想提取所有可能的子图像的一个给定的形状。例如，原始图像的宽度和高度分别为300和200像素，我想提取所有宽度和高度分别等于10和20像素的子图像。此外，每个子图像我想要作为一维数组(为此，我需要指定一个特定的像素排序)。
我以以下方式解决这个问题：
for col0 in range(w_max - max_shift):
x3s_new = [x + col0 for x in x3s]
for row0 in range(h_max - max_shift):
vec_1 = []
浏览 3提问于2015-05-19得票数 2
回答已采纳
这是受帖子启发的。
考虑一个函数f，该函数返回索引的一维np.ndarray idx，用户通常将其用于索引其他数组。进一步假设一个常见的结果是f返回所有的合法索引。在链接帖子中，建议用f返回slice(None)而不是np.arange(maxind)作为特殊的大小写。
因为高级索引是要付出代价的
>>> a = np.arange(1_000_000)
>>> direct = lambda: np.sum(a[:])
>>> indirect = lambda: np.sum(a[a])
>>> timeit(dire
浏览 2提问于2017-02-22得票数 0
我有一个代码片段，如下所示：
def slice_table(table, index_vector)
to_index_product = []
array_indices = []
for i, index in enumerate(index_vector):
if isinstance(index, list):
to_index_product.append(index)
array_indices.append(i)
index_product = np.ix_(*to_index_p
浏览 5提问于2022-06-14得票数 0
回答已采纳
人们可能会认为，用切片和等效列表进行索引在结果上是等价的，而且主要是：
>>> b = np.array([[0,1,2],[3,4,5]])
>>> b[0:2,0:2] # slice & slice
array([[0, 1],
[3, 4]])
>>> b[0:2,[0,1]] # slice & list
array([[0, 1],
[3, 4]])
>>> b[[0,1],0:2] # list & slice
array([[0, 1],
[3, 4]])
然
浏览 2提问于2021-12-03得票数 1
回答已采纳
2回答
我注意到对于长度为~10000的object数据类型的1Dnumpy数组，.npy文件的加载时间很长(~10分钟)。该数组中的每个元素都是一个长度约为5000的有序字典(OrderedDict，集合包中的字典子类)。那么，如何高效地将大型NumPy阵列保存到磁盘以及从磁盘加载大型阵列？Python中的大型数据集传统上是如何处理的？
浏览 0提问于2017-05-19得票数 0
3回答
我有一些函数，是一个大型分析软件的一部分，需要一个布尔掩码来将数组项分成两组。这些职能如下：
def process(data, a_mask):
b_mask = -a_mask
res_a = func_a(data[a_mask])
res_b = func_b(data[b_mask])
return res_a, res_b
现在，我需要通过一个只有类"a“项的大数组来使用这些函数(不需要修改)，但是我想保存RAM，而不是通过所有的True传递布尔掩码。例如，我可以传递一个像slice(None, None)这样的切片。
问题是，如果b_mas
浏览 5提问于2014-02-10得票数 3
回答已采纳
1回答
我正在使用多维Numpy数组。在访问这些数组和其他索引数组时，我注意到一些不一致的行为。例如：
import numpy as np
start = np.zeros((7,5,3))
a = start[:,:,np.arange(2)]
b = start[0,:,np.arange(2)]
c = start[0,:,:2]
print 'a:', a.shape
print 'b:', b.shape
print 'c:', c.shape
在这个例子中，我得到的结果是：
a: (7, 5, 2)
b: (2, 5
浏览 1提问于2012-08-14得票数 11
回答已采纳
我想要向量化一个操作，但我不知道如何优化它。 假设我有一个形状为(4，6，3)的3D数组a。我想对轴0上连续的非nan值求和，并计算轴0上新形成的数组b的最大值。 我可以让它在轴1和轴2上循环工作，但是对于我需要处理的数组(1000个维数为~(500，1500，800)的数组)，这是不切实际的慢。 EDIT1： 第一种(非循环的)试探性方法导致： 因此，在我的(简化的)示例中，此edit1解决方案按预期工作。然而，它并不是泛化的，如果你有两个或更多的级数，np.nancumsum函数会将第二个级数加到第一个级数上，依此类推。
浏览 30提问于2021-02-28得票数 1
回答已采纳
1回答
我一直在学习花式索引，但是当我观察到以下代码的行为时，我有几个问题.
根据我的理解，
理想索引是：
ndArray[ [0,1,2] ]，即传递行/列的列表
和
切片是：
ndArray[ 0:3 ]，即给出一系列行/列
Now，问题
一个矮小的数组，
arr = [ [1,2,3],
[4,5,6],
[7,8,9] ]
当我尝试奇妙的索引时：
arr[ [0,1], [1,2] ]
>>> [2, 6]
当切下来的时候，
arr[:2, 1:]
>>> [ [2, 3],
[5, 6] ]
本质上，它们都应该
浏览 0提问于2021-01-12得票数 2
回答已采纳
什么是正确的语法传递一个可变数量的the纺织作为一个数组的片段着色器？
这个StackOverflow问题：提到了使用：
array<texture2d<half>, 5>
但是，这需要指定数组的大小。在 (Sec. )2.11)他们也证明了这种类型。但是，它们也提到了array_ref，但我不清楚如何使用它，或者它是否允许作为共享片段的参数类型，给定以下语句：
“array_ref类型不能作为参数传递给图形和内核函数。”
我目前所做的只是将参数声明为：
fragment float4 fragmentShader(RasterizerData in [[ st
浏览 0提问于2018-11-16得票数 2
回答已采纳
1回答
class ImageRepository extends EntityRepository
{
public function findAllNewestByVotes()
{
return $this->getEntityManager()
->createQuery(
'SELECT p FROM GabrielUploadBundle:Image p WHERE p.upvotes > 50 ORDER BY p.createdAt ASC')
->getRe
浏览 1提问于2014-04-15得票数 0
回答已采纳
1回答
列表和元组的行为不同。
、、、
我很清楚和那个，但是很少有例子表明这两者实际上受到代码的不同对待(与编码约定相反)，所以我(懒散地)交替使用它们。
然后我遇到了一个案例，他们的行为完全不同：
>>> import numpy as np
>>> a = np.arange(9).reshape(3,3)
>>> a
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
>>> idx = (1,1)
>>> a[idx]
4
>>> idx = [1,1]
>
浏览 1提问于2013-08-12得票数 6
回答已采纳
1回答
我希望获取一个数组的行和，并将输出放入另一个数组的对角线中。出于性能原因，我想使用out函数的np.sum参数。
mat1 = np.array([[0.5, 0.5],[0.6, 0.4]])
mat2 = np.zeros([2,2])
mat3 = np.zeros([2,2])
如果我想将mat1的行和放在mat2的第一行中，我可以这样做：
np.sum(mat1, axis=1, out = mat2[0])
mat2
#array([[ 1., 1.],
# [ 0., 0.]])
但是，如果我想将和放入mat3的对角线指数中，我似乎不能这样做。
np.sum
浏览 3提问于2016-01-28得票数 1
回答已采纳
用几个词来解释它有点困难(并搜索它)，所以：
我有一个二维np数组：
import numpy as np
x = np.array([[0,1,2],[3,4,5],[6,7,8],[9,10,11],[12,13,14],[15,16,17]])
这个一维np阵列：
y = np.array([0,2,1,0,2,0])
我想要做的是使用y作为(列)索引从x返回列值，因此它将返回如下内容：
[0, 5, 7, 9, 14, 15]
在丑陋的代码中，它会像这样解决：
for row,col in zip(x,y):
print(row[col])
在一个不那么丑陋的代码中：
[ro
浏览 4提问于2017-04-01得票数 1
回答已采纳
1回答
重复numpy操作的预期行为
、、、、
我在寻找关于numpy数组重复操作的问题时找到了这个答案：。我现在的问题是，为什么会看到这种行为。
import numpy as np
t = np.eye(4)
t[[0,0,1],[0,0,1]]
通向
array([1.,1.,1.])
所以不应该
t[[0,0,1],[0,0,1]]+=1
通向
[[3,0,0,0],
[0,2,0,0],
[0,0,1,0],
[0,0,0,1]]
浏览 2提问于2016-06-22得票数 2
回答已采纳
我是一个网络开发的初学者，我已经创建了todoList应用程序，它是完美的工作，我可以插入很多列表到我的网页上，我想怎么多。
使用(React，Bootstrap )的
但是我想限制它，就像一页中的10个列表，如果超过10，我希望它转到第二页.
(就像Gmail的头版一样，我们可以在一页中看到50封电子邮件，而其他页面中有50封)
有谁能帮我吗？对于这个解决方案
我真的很感激。谢谢
浏览 3提问于2020-06-27得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
实时音视频
云直播活动推荐
腾讯云开发者
