NumPy - 索引与切片

---

---

ndarray 对象的内容可以通过索引或切片访问和修改，就像 Python 的内置容器对象一样。

如前所述，ndarray 对象中的项目遵循基于零的索引。有三种索引方法可用：字段访问、基本切片和高级索引。

基本切片是 Python 基本切片概念到 n 维的扩展。Python 切片对象是通过向内置的 `slice` 函数提供 `start`、`stop` 和 `step` 参数来构造的。此切片对象传递给数组以提取数组的一部分。

示例 1

import numpy as np 
a = np.arange(10) 
s = slice(2,7,2) 
print a[s]

其输出如下：

[2  4  6]

在上面的示例中，通过 `arange()` 函数准备了一个 `ndarray` 对象。然后定义一个切片对象，其 `start`、`stop` 和 `step` 值分别为 2、7 和 2。当此切片对象传递给 ndarray 时，将切片其从索引 2 开始到 7（不包括 7）的部分，步长为 2。

也可以通过直接在 `ndarray` 对象中使用冒号 `:` 分隔的切片参数 (start:stop:step) 来获得相同的结果。

示例 2

import numpy as np 
a = np.arange(10) 
b = a[2:7:2] 
print b

这里，我们将获得相同的输出：

[2  4  6]

如果只设置一个参数，则将返回对应于该索引的单个项目。如果在其前面插入一个 `:`，则将提取从该索引开始的所有项目。如果使用两个参数（用 `:` 分隔），则将切片两个索引之间的项目（不包括停止索引），默认步长为 1。

示例 3

# slice single item 
import numpy as np 

a = np.arange(10) 
b = a[5] 
print b

其输出如下：

5

示例 4

# slice items starting from index 
import numpy as np 
a = np.arange(10) 
print a[2:]

现在，输出将是：

[2  3  4  5  6  7  8  9]

示例 5

# slice items between indexes 
import numpy as np 
a = np.arange(10) 
print a[2:5]

这里的输出将是：

[2  3  4] 

以上描述也适用于多维 `ndarray`。

示例 6

import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 
print a  

# slice items starting from index
print 'Now we will slice the array from the index a[1:]' 
print a[1:]

输出如下：

[[1 2 3]
 [3 4 5]
 [4 5 6]]

Now we will slice the array from the index a[1:]
[[3 4 5]
 [4 5 6]]

切片还可以包含省略号 (...) 以创建一个与数组维度长度相同的选择元组。如果在行位置使用省略号，它将返回一个包含行中项目的 ndarray。

示例 7

# array to begin with 
import numpy as np 
a = np.array([[1,2,3],[3,4,5],[4,5,6]]) 

print 'Our array is:' 
print a 
print '\n'  

# this returns array of items in the second column 
print 'The items in the second column are:'  
print a[...,1] 
print '\n'  

# Now we will slice all items from the second row 
print 'The items in the second row are:' 
print a[1,...] 
print '\n'  

# Now we will slice all items from column 1 onwards 
print 'The items column 1 onwards are:' 
print a[...,1:]

此程序的输出如下：

Our array is:
[[1 2 3]
 [3 4 5]
 [4 5 6]] 
 
The items in the second column are: 
[2 4 5] 

The items in the second row are:
[3 4 5]

The items column 1 onwards are:
[[2 3]
 [4 5]
 [5 6]]