如何解决为什么在numpy数组中相同索引选择的输出存在差异
让我们假设我有一个看起来像这样的二维NumPy数组,并且我想提取左下角的正方形(4x4):
arr_2d = [[ 5,10,15],[20,25,30],[35,40,45]]
为什么这种方式有区别:
arr_2d[row,col]
以这种方式:
arr_2d[row][col]
我说这是有区别的,因为在尝试执行此操作时我得到了不同的输出:
arr_2d[1:3,1:3] #output was: [[25,[40,45]]
arr_2d[1:3][1:3] #output was: [[35,45]]
如果我的问题不对,您能告诉我为什么吗?
提前谢谢!
解决方法
假设arr_2d
被声明为numpy数组:
import numpy as np
arr_2d = np.array([[5,10,15],[20,25,30],[35,40,45]])
然后,arr_2d[1:3,1:3]
将从每个维度返回包含元素1和2的子矩阵(请注意,Python从0开始索引)。
arr_2d[1:3][1:3]
被解释为两次索引:
-
第一个
arr_2d[1:3]
占据第1行和第2行:rows_1_2 = np.array([[20,45]])
-
然后,该结果再次用
[1:3]
进行索引,因此rows_1_2[1:3]
将给出rows_1_2
的第1行和第2行。由于该数组中不存在第2行,因此仅返回第1行,因此[[35,45]]
。请注意,这是一个1x3的数组。
通常,强烈建议使用'slice indexing',因为对于大型数组,索引两次会不必要地变慢。
请注意,对于标准的Python列表,要获得类似的子矩阵,您需要将其编写为:
list_2d = ([[5,45]])
[row[1:3] for row in list_2d[1:3]] # result: [[25,[40,45]]
对于大型列表,这既难于阅读,又慢得多。但是请注意,标准Python可以使用不同类型和长度的子列表,而numpy需要具有相同大小和类型的所有内容。
切片和broadcasting是使numpy的Python非常适合于数值操作和计算的原因。
,切片时有顺序:当我这样做时
arr_2d[1:3]
我得到[[20 25 30],[35 40 45]]
所以第二次使用它
arr_2d[1:3][1:3]
我得到[[35 40 45]]
,您必须了解,在使用[]
为对象建立索引时,您正在调用在对象类内部定义的__getitem__
方法。现在,numpy用两种方式定义索引。在第一种情况下,您将使用一个与两个参数一起使用的参数,并且应该为矩阵建立索引,如
arr_2d[0:2,0:2]
# returns [[5,10],25]]
在第二种情况下,您使用的定义(与一个参数接受一个参数)的定义与普通列表索引几乎相同。您正在将数组切片两次,如下图所示
a1 = arr_2d[1:3] # gets [[20,45]]
a1[1:3] # returns [[35,45]]
版权声明:本文内容由互联网用户自发贡献,该文观点与技术仅代表作者本人。本站仅提供信息存储空间服务,不拥有所有权,不承担相关法律责任。如发现本站有涉嫌侵权/违法违规的内容, 请发送邮件至 dio@foxmail.com 举报,一经查实,本站将立刻删除。