Numpy切片和高级索引如何高效运用?
- 内容介绍
- 文章标签
- 相关推荐
本文共计1108个文字,预计阅读时间需要5分钟。
Numpy切片索引+1.1+使用slice内置函数(不常用)+ndarray对象的内通过切片访问,与Python中list的切片操作完全一致。使用slice并设置start、stop及step参数进行操作;例如下:
pythonimport numpy as np
创建一个Numpy数组arr=np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
使用slice获取子数组sliced_arr=arr[slice(1, 6, 2)]
print(sliced_arr)
一、Numpy的切片索引
1.1 使用slice内置函数(不常用)
ndarray对象的内容可以通过切片来访问,与 Python 中 list 的切片操作完全一样。
本文共计1108个文字,预计阅读时间需要5分钟。
Numpy切片索引+1.1+使用slice内置函数(不常用)+ndarray对象的内通过切片访问,与Python中list的切片操作完全一致。使用slice并设置start、stop及step参数进行操作;例如下:
pythonimport numpy as np
创建一个Numpy数组arr=np.array([1, 2, 3, 4, 5, 6, 7, 8, 9])
使用slice获取子数组sliced_arr=arr[slice(1, 6, 2)]
print(sliced_arr)
一、Numpy的切片索引
1.1 使用slice内置函数(不常用)
ndarray对象的内容可以通过切片来访问,与 Python 中 list 的切片操作完全一样。

