jcms网站建设,wordpress网址导航开源,管理咨询公司发展规划,五金公司网站模板numpy是Python中最常见的矩阵操作工具。有时候#xff0c;我们需要从一个大矩阵中读取一个小矩阵#xff0c;则需要用一些索引技巧。
我们看一个例子#xff1a;
import numpy as npa np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])b a[:, 0]
print(b)
# [1 4 7]c a[..., …numpy是Python中最常见的矩阵操作工具。有时候我们需要从一个大矩阵中读取一个小矩阵则需要用一些索引技巧。
我们看一个例子
import numpy as npa np.array([[1, 2, 3],[4, 5, 6],[7, 8, 9]])b a[:, 0]
print(b)
# [1 4 7]c a[..., 0]
# [1 4 7]这里的:“表示一整维度。而”…表示除了明确列以外的所有维度。
跟直观一样:“更加具体而”…比较泛指。
import numpy as npa np.random.randn(3,3,3)b a[:, :, 0]
print(b)c a[..., 0]
print(c)print(b c)
# [[ True True True]
# [ True True True]
# [ True True True]]扩展到三维我们就可以看到…“可以代替两个”:。
–
:的具体还体现在它能明确指定一个维度里的部分索引。比如
import numpy as npa np.random.randn(3,3,3)b a[0:2, 0:2, :]
print(b.shape)
# (2, 2, 3)
