索引和切片相当于是对数组中内容的读（read）或者查询（inquiry）。是我们获取有用信息（demanded infomation）的重要方法。
对于索引
- 对于1维数组：在数组名的后面用中括号[]包括索引编号，括号中填写所查询数组的编码。比如：data[1]
-
对于n维数组：有两种方式
- 第一种：用列表表示所查询数的坐标值，如data_2dim[1,0]
- 第二种：把多维数组看成一位数组套娃，依次取值，如data_2dim[1][0]
对于切片
- 对于1维数组：在数组名后加上中括号[]，在括号中填写切片的范围，m:n注意这个式子用冒号作为分隔符，表示的意义是m≤index＜n，如：data[2:4]；特别要注意的是m和n如果省略了，则默认m=0，n=length(array)，也就是说默认是第一位和最后一位。这个和matlab中的冒号表达式是不一样的。
- 对于n维数组：把多维数组看成一位数组套娃，依次取值，要注意的是，多维数组的切片往往还是多维数组，如果需要得到具体某一个元素，则在切片之后还要进行索引操作。
可以在一下代码中演示索引和切片操作：
|
1
2
3
4
5
6
7
8
9
10
|
import numpy as npdata = np.array([0,1,2,3,4,5])print(data[1])print(data[2:4])data_2dim = np.array([[1,2,3],[4,5,6],[7,8,9],[10,11,12]])print(data_2dim[1,0])print(data_2dim[1][0])print(data_2dim[1:4])print(data_2dim[1:4][1:3][1][2]) |
运行结果如下：
1
[2 3]
4
4
[[ 4 5 6]
[ 7 8 9]
[10 11 12]]
12
[Finished in 1.3s]
总结一下，索引和切片都是对数组读的操作，都使用方括号[] (squre bracket)进行编号的框定。
特别要注意的是切片存放的变量和原来的数组变量在本质上共享同一片内存，如果修改了切片存放的变量，那么原来的数组的对应元素也会对应修改。如以下代码所示：
|
1
2
3
4
5
6
7
|
data = np.arange(10)data_slice = data[3:6]print(data)print(data_slice)data_slice[2] = 100print(data)print(data_slice) |
结果如下所示：
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[ 0 1 2 3 4 100 6 7 8 9]
[ 3 4 100]
[Finished in 2.2s]
如果需要在修改切片的同时不改变原来数组中的数据，可以使用.copy()方法。对上述代码稍作修改，结果如下：
|
1
2
3
4
5
6
7
|
data = np.arange(10)data_slice = data[3:6].copy()print(data)print(data_slice)data_slice[2] = 100print(data)print(data_slice) |
[0 1 2 3 4 5 6 7 8 9]
[3 4 5]
[0 1 2 3 4 5 6 7 8 9]
[ 3 4 100]
[Finished in 2.5s]
到此这篇关于python中ndarray数组的索引和切片的实现的文章就介绍到这了,更多相关python ndarray数组索引和切片内容请搜索服务器之家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服务器之家！
原文链接：https://blog.csdn.net/weixin_41855010/article/details/104235465
