Python 访问np.array的部分

我想快速访问np.array元素，例如从0-6加10到结尾的索引。到目前为止，我已经尝试：

a[0:6,10:]

或

两者都给了我错误，第二个给了我：“TypeError:只有整数标量数组才能转换为标量索引”

编辑：concatenate仍然给我带来问题，所以我将在这里发布我的完整代码：

Fold_5 = len(predictorX)/5
trainX = np.concatenate(predictorX[:3*int(Fold_5)],predictorX[4*int(Fold_5)])

预测器X是一个数组，其值如下

[[0.1,0.4,0.6,0.2],[..]....]

---

np.concatenate

接受一系列数组。试一试

np.concatenate([a[0:6],a[10:]])

或

---

np.concatenate

接受一系列数组。试一试

np.concatenate([a[0:6],a[10:]])

或

---

以下是获得所需子阵列的两种更简短的方法：

np.delete(a, np.s_[6:10])

及

---

以下是获得所需子阵列的两种更简短的方法：

np.delete(a, np.s_[6:10])

及

在：

0:6选择行，10:选择列。如果

a

不是2d或不够大，则会导致错误

在

问题是争论的数量；它需要一个数组列表。第二个，如果给定，则理解为

轴

，它应该是一个整数（因此是您的错误）

应该有用

另一个选项是使用列表编制索引

a[0,1,2,3,4,5,10,11,...]]

np.r

是构建此类列表的便捷小工具：

In [73]: np.r_[0:6, 10:15]
Out[73]: array([ 0,  1,  2,  3,  4,  5, 10, 11, 12, 13, 14])

它实际上是

np.concatenate（[np.arange（0,6），np.arange（10,15）]）

不管是先索引后串联，还是先串联索引后串联索引。效率差不多

np.delete

根据“delete”区域的大小和类型，从几种方法中进行选择，包括这些方法

在

trainX

表达式中，向串联调用添加[]应该可以工作。但是，

predictorX[4*Fold_5]

可能是个问题。您是否缺少一个

：

（如10:example中所示）？如果只需要一个值，则需要将其转换为1d，例如

predictor x[[4*Fold_5]]

Fold_5 = len(predictorX)//5   # integer division in py3
trainX = np.concatenate([predictorX[:3*Fold_5], predictorX[4*Fold_5:]])

在：

0:6选择行，10:选择列。如果

a

不是2d或不够大，则会导致错误

在

问题是争论的数量；它需要一个数组列表。第二个，如果给定，则理解为

轴

，它应该是一个整数（因此是您的错误）

应该有用

另一个选项是使用列表编制索引

a[0,1,2,3,4,5,10,11,...]]

np.r

是构建此类列表的便捷小工具：

In [73]: np.r_[0:6, 10:15]
Out[73]: array([ 0,  1,  2,  3,  4,  5, 10, 11, 12, 13, 14])

它实际上是

np.concatenate（[np.arange（0,6），np.arange（10,15）]）

不管是先索引后串联，还是先串联索引后串联索引。效率差不多

np.delete

根据“delete”区域的大小和类型，从几种方法中进行选择，包括这些方法

在

trainX

表达式中，向串联调用添加[]应该可以工作。但是，

predictorX[4*Fold_5]

可能是个问题。您是否缺少一个

：

（如10:example中所示）？如果只需要一个值，则需要将其转换为1d，例如

predictor x[[4*Fold_5]]

Fold_5 = len(predictorX)//5   # integer division in py3
trainX = np.concatenate([predictorX[:3*Fold_5], predictorX[4*Fold_5:]])

Fold_5 = len(predictorX)//5   # integer division in py3
trainX = np.concatenate([predictorX[:3*Fold_5], predictorX[4*Fold_5:]])