Python 在Numpy中访问多维数组的数据

Numpy是用于科学和数学计算的Python库。Numpy提供了处理一维数组和多维数组的功能。多维数组由多个行和列组成。Numpy提供了多个内置函数来操作多维数组。在本文中，我们将探讨如何在Python Numpy中访问多维数组的数据。

在Python Numpy中创建多维数组

要在Python中创建一个多维数组，我们需要将一个列表的列表传递给numpy.array()方法。列表中包含多个子列表，每个子列表代表多维数组的一行。

语法

numpy.array(list)

numpy.array()函数将传递给它的列表转换为多维数组。传递列表中的多个列表将作为多维数组的行。

示例

让我们使用numpy.array()函数创建一个多维数组，并在python中打印转换后的多维数组。我们将传递一个包含3个列表的列表给numpy.array()函数，这将创建一个3*3的多维数组。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr)

输出

[[1 2 3]
 [4 5 6]
 [7 8 9]]

使用索引属性访问单维度和多维度数组上的数据

在访问多维度数组上的数据之前，我们需要知道如何访问单维度数组上的数据。我们可以使用列表中元素的索引来访问单维度数组上的数据。

语法

arr[index_of_element]

arr[]属性在传递有效索引时，返回数组中特定索引处的元素。

示例

如果我们想要访问一维数组的第三个元素，我们需要将2作为索引传递给arr[]属性，因为数组元素的索引从0开始。

import numpy as np

arr = np.array([1, 2, 3, 4, 5])
print(arr[2])

输出

3

类似地，为了访问多维数组中的数据，我们需要在arr[]属性中指定元素的行索引和列索引。为了访问3*3多维数组的第二行第三列的数据，我们需要将行索引和列索引分别设置为[1,2]。

语法

arr[row_index,column_index]

示例

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
print(arr[1, 2])

输出

6

使用每个维度的索引范围来访问多维数据

要访问多维数组中的多个维度的数据，即要访问多维数组的子集，我们必须为数组的每个维度指定索引范围。

示例

我们可以访问3×3数组的前两行和前两列，即数组的子集。我们需要使用分号（:）符号来指定前两行和前两列的索引范围。由于第一行索引从0开始，第二行索引为1，所以当我们访问表的前两行或列时，需要指定0:2。

import numpy as np
arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
subset = arr[0:2, 0:2]
print(subset)

输出

[[1 2]
 [4 5]]

示例

我们可以使用冒号（分号符号）来访问数组中沿特定方向的所有元素。我们可以访问第二行的所有元素。

import numpy as np

arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
row = arr[1, :]
print(row)

输出

[4 5 6]

结论

在本文中，我们讨论了如何使用 Python 中的列表的索引属性来访问多维度数据。可以使用列表元素的索引来访问单维度和多维度列表中的元素，在列表的行和列之间通过元素的索引访问数据。要访问多维度数据，我们使用行和列上的索引范围。