numpy rank

numpy rank

在numpy中，rank是指数组的维度数量。换句话说，一个一维数组的rank为1，一个二维数组的rank为2，以此类推。

numpy数组的rank

让我们先创建一些numpy数组，并查看它们的rank。

import numpy as np

# 一维数组
arr1 = np.array([1, 2, 3])
print("一维数组的rank：", arr1.ndim)

# 二维数组
arr2 = np.array([[1, 2, 3], [4, 5, 6]])
print("二维数组的rank：", arr2.ndim)

# 三维数组
arr3 = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]])
print("三维数组的rank：", arr3.ndim)

输出：

一维数组的rank： 1
二维数组的rank： 2
三维数组的rank： 3

numpy数组的rank和形状

numpy数组的rank和形状息息相关。数组的形状是一个包含每个维度大小的元组。对于一个二维数组而言，形状为(m, n)，其中m是行数，n是列数。

让我们看看如何获取数组的形状和rank。

import numpy as np

# 二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])
print("数组的形状：", arr.shape)
print("数组的rank：", arr.ndim)

输出：

数组的形状： (2, 3)
数组的rank： 2

numpy数组的rank和索引

numpy数组的每个维度都有一个相应的索引范围，从0开始。对于一个二维数组而言，第一个维度对应行，第二个维度对应列。

让我们看看如何使用索引来访问数组中的元素。

import numpy as np

# 二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 访问第一个维度的第二个元素
print("第一个维度的第二个元素：", arr[0, 1])

# 访问第二个维度的第三个元素
print("第二个维度的第三个元素：", arr[1, 2])

输出：

第一个维度的第二个元素： 2
第二个维度的第三个元素： 6

numpy数组的rank和切片

在numpy中，我们可以通过切片操作来获取数组中的子数组。对于一个二维数组而言，可以分别对行和列进行切片。需要注意的是，切片操作是半开区间，即包含起始索引，不包含结束索引。

让我们看看如何使用切片操作获取数组的子数组。

import numpy as np

# 二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 获取第一行的所有元素
print("第一行的所有元素：", arr[0, :])

# 获取第二列的所有元素
print("第二列的所有元素：", arr[:, 1])

输出：

第一行的所有元素： [1 2 3]
第二列的所有元素： [2 5]

总结

本文详细介绍了numpy数组的rank概念，并通过示例代码演示了如何获取数组的rank、形状、使用索引和切片操作。