二维矩阵中的python索引
给定以下代码:二维矩阵中的python索引,python,python-3.x,numpy,numpy-indexing,Python,Python 3.x,Numpy,Numpy Indexing,给定以下代码: import numpy as np mat = np.arange(1,26).reshape(5,5) 我的理解是以下几行是相同的: mat[:3][1:2] mat[:3,1:2] 但事实并非如此。为什么?如果在切片语法中只指定一个维度,则只会切片一个维度。在NumPy中,索引中的维度通常用、、分隔 对于二维阵列,可以用尺寸1替换行,用尺寸2替换列。在您的示例中,mat[:3]对前3行进行切片。随后的索引器[1:2]对这3行中的第一行进行切片 在第二个示例中,[:3,1
import numpy as np
mat = np.arange(1,26).reshape(5,5)
我的理解是以下几行是相同的:
mat[:3][1:2]
mat[:3,1:2]
但事实并非如此。为什么?如果在切片语法中只指定一个维度,则只会切片一个维度。在NumPy中,索引中的维度通常用、、分隔 对于二维阵列,可以用尺寸1替换行,用尺寸2替换列。在您的示例中,mat[:3]对前3行进行切片。随后的索引器[1:2]对这3行中的第一行进行切片 在第二个示例中,[:3,1:2]同时对行和列进行切片 您可能会发现查看结果的形状很有帮助:
mat[:3].shape # (3, 5)
mat[:3][1:2].shape # (1, 5)
mat[:3,1:2].shape # (3, 1)
如果在切片语法中只指定一个维度,则只会切片一个维度。在NumPy中,索引中的维度通常用、、分隔 对于二维阵列,可以用尺寸1替换行,用尺寸2替换列。在您的示例中,mat[:3]对前3行进行切片。随后的索引器[1:2]对这3行中的第一行进行切片 在第二个示例中,[:3,1:2]同时对行和列进行切片 您可能会发现查看结果的形状很有帮助:
mat[:3].shape # (3, 5)
mat[:3][1:2].shape # (1, 5)
mat[:3,1:2].shape # (3, 1)
您的矩阵:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25]])
第一个mat[:3][1:2]将首先使用mat[:3],然后应用[1:2]:
而第二个mat[:3,1:2]表示:
最多3行
第1列至第2列
结论,主要区别在于第一种方法是在[:3]你的矩阵之后应用[1:2]:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25]])
第一个mat[:3][1:2]将首先使用mat[:3],然后应用[1:2]:
而第二个mat[:3,1:2]表示:
最多3行
第1列至第2列
结论:主要区别在于,第一个是在[:3]之后应用[1:2]原因如下:
> mat
# output:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25]])
> mat[:3] # you are selecting the first 3 rows
#output:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15]])
> mat[:3][1:2] # you are selecting the second row only
Output:
array([[ 6, 7, 8, 9, 10]])
> mat[:3,1:2] # you are selecting from the first 3 rows and the second column
Output:
array([[ 2],
[ 7],
[12]])
原因如下:
> mat
# output:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15],
[16, 17, 18, 19, 20],
[21, 22, 23, 24, 25]])
> mat[:3] # you are selecting the first 3 rows
#output:
array([[ 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10],
[11, 12, 13, 14, 15]])
> mat[:3][1:2] # you are selecting the second row only
Output:
array([[ 6, 7, 8, 9, 10]])
> mat[:3,1:2] # you are selecting from the first 3 rows and the second column
Output:
array([[ 2],
[ 7],
[12]])
mat[x][y]与mat[x,y]相同,仅当x是标量时,即当它在第一维度上选择一项时。mat[x][y]与mat[x,y]相同,仅当x是标量时,即当它在第一维度上选择一项时。