詳解:Python 取numpy數組的某幾行某幾列方法(含對與錯示例)

2020-11-25 51CTO

詳解：Python 取numpy數組的某幾行某幾列方法（含對與錯示例）

今天為大家帶來的內容是Python 取numpy數組的某幾行某幾列方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，要是喜歡的話記得點讚轉發收藏不迷路哦!!!

作者：程式設計師陳平安來源：今日頭條|2019-10-25 15:44

前言：

今天為大家帶來的內容是Python 取numpy數組的某幾行某幾列方法，文中通過示例代碼介紹的非常詳細，對大家的學習或者工作具有一定的參考學習價值，要是喜歡的話記得點讚轉發收藏不迷路哦!!!

直接分析，如原矩陣如下(1)：

(1)

我們要截取的矩陣(取其一三行，和三四列數據構成矩陣)為如下(2)：

(2)

錯誤分析：

取 C 的1 3行，3 4 列，定義Z = [0,2] #定義行數d = [2,3] #定義列數 #代碼C_zd = C[z,d]

則結果為：

由結果分析取的是第一行第三列和第三行第四列的數據，並非我們想要的結果。

正確分析：

C_A = c[[0,2]] #先取出想要的行數據C_A = C_A[:,[2,3]] #再取出要求的列數據print(C_A) #輸出最終結果

結果為：

其結果即為我們求解的，需要兩步才可完成。

以上就是本文的全部內容啦!

【編輯推薦】

【責任編輯：

未麗燕

TEL：（010）68476606】

點讚 0

相關焦點

  • 不懂NumPy 算什麼 Python 程式設計師?|CSDN 博文精選
    list VS ndarraynumpy 的核心是 ndarray 對象（numpy 數組），它封裝了 python 原生的同數據類型的 n 維數組（python 數組）。numpy 數組和 python 數組之間有幾個重要的區別：numpy 數組一旦創建，其元素數量就不能再改變了。增刪 ndarray 元素的操作，意味著創建一個新數組並刪除原來的數組。
  • 如果不懂Numpy,請別說自己是Python程式設計師
    了解 numpy之後，我才想明白當初磁層頂的三維模型之所以慢，是因為使用了 list（python 數組）而不是 ndarray（numpy 數組）存儲數據。有了 numpy，python 程式設計師才有可能寫出媲美 C 語言運行速度的代碼。
  • Python Numpy-數組的常用函數
    下面介紹一些常用的數組操作函數和統計函數。將數組變形，參數是一個tuple。注意：數組元素總數要一致。41 94 63 28 60 80 54 12 81 68 73 96 77] [47 33 6 87 34 49 33 26 45 24 82 96 72 74 58]]4、split函數、vsplit函數和hsplit函數np.split(ary, indices_or_sections, axis=0)   indices_or_sections是需要分成幾份
  • Python數據分析之numpy數組全解析
    1 什麼是numpy2 numpy數組創建2.1 基本方法：np.array()2.2 通用方法：np.ones()、np.zeros()、np.eye()2.3 讀取外部數據3 numpy中數組的數據類型4 numpy中數組的形狀5 索引與切片5.1 按索引取值
  • Python學習第112課——numpy中數組查找元素和改變元素的小技巧
    【每天幾分鐘，從零入門python編程的世界！】上節我們學習了如何利用index找到ndarray數組中的一些元素，並把找到的元素生成一個新的ndarray。代碼如下：現在我們學習幾個用index找到ndarray中元素的小技巧。
  • Python入門教程(二):Numpy數組基礎
    首先，我們先介紹幾類基本的數組操作：數組的屬性確定數組的大小，形狀，儲存大小，數據類型數組的索引：獲取和設置各個元素的值數組的切分：在大的數組中獲取或設置更小的子數組Numpy數組的屬性包括ndim(數組的維度),shape(數組每個維度的大小),size(數組總的大小)，dtype(數據類型)以及itemsize(每個數組元素的字節大小)下面我們通過幾個示例來了解數組的屬性。
  • Python使用ctypes模塊調用DLL函數之C語言數組與numpy數組傳遞
    一般情況下，DLL函數中傳遞C語言類型的數組，在接收到Python語言中時，通常將其轉換為numpy庫裡面的數組類型，這樣做的好處是可以藉助於numpy強大的分析處理功能對數據直接作後續處理。這次通過例子演示下C語言數組到numpy數組之間是怎樣傳遞的。
  • python數據科學系列:numpy入門詳細教程
    numpy：numerical python縮寫，提供了底層基於C語言實現的數值計算庫，與python內置的list和array數據結構相比，其支持更加規範的數據類型和極其豐富的操作接口，速度也更快num
  • Python學習第113課——numpy中用條件判斷去篩選數組中的元素
    【每天幾分鐘，從零入門python編程的世界！】之前我們學習了如何在numpy中查找數組元素的方法和技巧，現在我們學習如何用條件判斷的方式篩選數組的元素。●numpy中的數組可以直接進行比較直接上代碼：運行結果：我們看到，condition列印出來，它的結構和h的結構一樣。
  • Python學習第119課——numpy中的broadcasting
    【每天幾分鐘，從零入門python編程的世界！】這節課我們學習numpy中的數據的一個多變的特性--broadcasting，broadcasting的官方的說明比較麻煩，我們這裡把它簡化一下，就把它當做「腦補」的意思。我們舉例來說明。
  • 圖解NumPy,這是理解數組最形象的一份教程了
    本文將介紹使用 NumPy 的一些主要方法，以及在將數據送入機器學習模型之前，它如何表示不同類型的數據（表格、圖像、文本等）。import numpy as np創建數組我們可以通過傳遞一個 python 列表並使用 np.array（）來創建 NumPy 數組（極大可能是多維數組）。
  • Python學習第117課——numpy中dot的運用舉例
    【每天幾分鐘，從零入門python編程的世界！】上節我們學習了最基礎的matrix的運算，可能有小夥伴覺得這都要涉及高等數學知識了，確實如果你想做數據科學、做人工智慧，統計學、概率論等數學知識，尤其是算法是繞不過去的坎，但是不要怕！！！
  • NumPy ndarray數組的創建
    這裡介紹生成 ndarray 的幾種方式，包括：從已有數據中創建數組直接對 Python 的基礎數據類型（如列表、元組等）進行轉換來生成 ndarray：1) 將列錶轉換成 ndarray：import numpy as npls1 = [10, 42, 0, -17, 30]nd1 =np.array
  • Python的武器庫04:numpy模塊(上)
    說到程式語言python，有一個著名的格言"餘生太短，只用python"。如果要分析為什麼會存在這麼一句格言？python的語法並不簡單，有複雜難懂的部分，之所以又這樣一句格言，是因為python中有很多強大的模塊，就像一個武器庫。Python正式由於這些模塊的出現，只要引入這個模塊，調用這個模塊的集成函數，問題迎刃而解；不需要從頭開始，節省了大量的時間。
  • 數據分析-numpy庫快速了解
    庫pip install numpy導入使用import numpy as np4.numpy中的數組對象ndarrayndarray是一個多維數組對象，由兩部分構成： 實際的數據 描述這些數據的元數據（數據維度、數據類型等）創建數組對象支持非常多種的創建方法，有列表數據創建或者
  • Python學習第116課——numpy.dot和矩陣相乘的數學運算
    【每天幾分鐘，從零入門python編程的世界！】關於numpy中數組的相乘，我們學習了對位相乘（用numpy.multiply、或*直接相乘,比如數組a和b的對位相乘就是numpy.multiply(a,b)或a*b）和一維數組的點乘（dot product，也有人叫inner product，比如一維數組a和b的點乘就是a.b）。
  • Python學習第114課——numpy中ndarray的四則運算
    【每天幾分鐘，從零入門python編程的世界！】我們為什麼要學習numpy？numpy其實就是number+Python的簡寫，意思就是通過Python對數據進行處理。要對數據進行處理，就少不了最基本的加減乘除等操作。
  • Numpy基礎,一位Python大神的筆記,看了後我連Matlab都學會了!
    Stacking together different arrays矩陣的合併可以通過numpy中的hstack方法和vstack方法實現:運算符說明+矩陣對應元素相加-矩陣對應元素相減*矩陣對應元素相乘/矩陣對應元素相除，如果都是整數則取商%矩陣對應元素相除後取餘數**矩陣每個元素都取n次方，如**2：每個元素都取平方
  • Numpy入門詳細教程
    >numpy入門詳細教程python數據科學基礎庫主要是三劍客：numpy，pandas以及matplotlib，每個庫都集成了大量的方法接口，配合使用功能強大。numpy：numerical python縮寫，提供了底層基於C語言實現的數值計算庫，與python內置的list和array數據結構相比，其支持更加規範的數據類型和極其豐富的操作接口，速度也更快n
  • Python中的Numpy基礎20問
    例如，x2.reshape(1,2,3)是將二維數組轉換成三維數組，參數個數代表要轉換的維度，參數數字從左到右分別表示0軸、1軸、2軸的元素數量。resize方法和reshape方法使用形式一樣，區別是resize方法改變了原始數組形狀。