在本篇的開始之前，我必須闡明，我們對數(shù)組無論是索引還是切片，我是通過編號（或稱為序列號）來進行操作，請記?。簾o論是 0軸（行）還是 1軸（列），編號都是從0開始

這是一個三維數(shù)組，關(guān)于如何判斷所定義的是幾維數(shù)組，請觀察數(shù)組的開頭和結(jié)尾的中括號數(shù)目

import numpy as np
#這是一個 2x2x3 的三維數(shù)組
arr =np.array( [[[0, 1 ,2] ,[3, 4, 5]] ,[[6 ,7, 8],[9,10,11]]])
print(arr)

在多維數(shù)組中，如果你忽略后續(xù)的索引參數(shù)，他打印出的結(jié)果將會降低一個維度

我將會打印它的完整數(shù)組，以便大家用以比對

將定義的三維數(shù)組降低了一個維度，成為了二維數(shù)組

#打印以下結(jié)果
arrs = arr[1,2]
#index 2 is out of bounds for axis 1 with size 2    索引2超出大小為2的軸1的范圍

我們可以分析一下出現(xiàn)這種問題的原因：

1，首先我這是索引，arr[1,2] 的含義是，取編號是1的行，編號是2的行，我們可以思考一下，三維數(shù)組降低一個維度應(yīng)是二維數(shù)組，二維數(shù)組降低一個維度應(yīng)是一維數(shù)組，arr[1,2]中的“1”呢，應(yīng)是三維數(shù)組中的編號為“1”的行，三維數(shù)組中編號為“1”的行，應(yīng)是一個二維數(shù)組，arr[1,2]中的“2”呢，應(yīng)該在二維數(shù)組的基礎(chǔ)上，就要降低一個維度，為一維數(shù)組，在下圖中一維數(shù)組只有兩行，編號分別為“0”和“1”哪里來的編號為“2”呢？是不是超出索引范圍了。

同樣對三維數(shù)組來說，我們也可以使用類似視圖的操作

arr =np.array( [[[0, 1 ,2] ,[3, 4, 5]] ,[[6 ,7, 8],[9,10,11]]])
print(arr)
#打印以下結(jié)果
new_long = arr[0]
new_long = 22
print(arr)

我們經(jīng)過將arr 三維數(shù)組中的編號為“0”的行arr[0]拿出來，賦值給了變量名new_long ，然后將new_long進行重新賦值為 “22”，new_long的值其實就是 arr[0]的值，我們將三維數(shù)組arr的打印出來，顯然數(shù)組的元素值并沒有發(fā)生任何變化。有的同學(xué)會問這有什么意義呢？

我們可以對數(shù)組切片做同樣的操作來看看變化

import numpy as np
#這是一個 2x2x3 的三維數(shù)組
arr =np.array( [[[0, 1 ,2] ,[3, 4, 5]] ,[[6 ,7, 8],[9,10,11]],[[12,13,14],[15,16,17]]])
print(arr)
#打印以下結(jié)果
#我把arr三維數(shù)組中編號為“1”，和編號為“2”的數(shù)組拿了出來賦值給一個新定義的變量名new_long
new_long = arr[0:2]
# print(new_long)
#我對new_long中的數(shù)據(jù)進行了篡改
new_long[0] = 22
# arr[0] = new_long
#但是當(dāng)我打印最初定義的三維數(shù)組 arr時，發(fā)現(xiàn)它的數(shù)據(jù)被篡改
print(arr)

你看發(fā)生了變化，我將三維數(shù)組中前兩行拿了出來，是兩個二維數(shù)組，然后我對第一個二維數(shù)組進行篡改當(dāng)我再次打印最初定義的三維數(shù)組時發(fā)現(xiàn)它的數(shù)據(jù)發(fā)生了變化。最初定義的數(shù)組也被篡改了

說明了什么在numpy模塊中定義的數(shù)組無論是幾維，都遵循一個定義數(shù)組的切片是原數(shù)組的視圖，任何對于視圖的修改都會反映到原數(shù)組上。

到此這篇關(guān)于Numpy 三維數(shù)組索引與切片的實現(xiàn)的文章就介紹到這了,更多相關(guān)Numpy 三維數(shù)組索引與切片內(nèi)容請搜索腳本之家以前的文章或繼續(xù)瀏覽下面的相關(guān)文章希望大家以后多多支持腳本之家！

最新評論