对二维 NumPy 数组进行子集化答案

【问题标题】：Subsetting 2D NumPy Arrays对二维 NumPy 数组进行子集化
【发布时间】：2023-02-08 01:31:34
【问题描述】：

你好我在学习 python 的道路上，我正在努力理解这个问题你能帮我解决这个问题吗

打印出 np_baseball 的第 50 行。为什么这个命令的答案是 [49, :] 从我的角度来看，如果要求第 50 个，它应该只是 [49] 为什么还有额外的：

非常高兴您的回复

【问题讨论】：

如果你有一个二维数组，[49] 和[49, :] 会做同样的事情。 [49] 是正确的。
您将如何打印 5th 列？行选择有何不同？

标签： python numpy 2d subset

【解决方案1】：

numpy doc on slicing 声明：

如果选择元组中的对象数小于 N，则 : 假定为任何后续维度。

所以这两个版本实际上是一样的。

文档给出的示例是这样的：
x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
x[1:2]  # array([[[4],[5],[6]]])

【讨论】：

【解决方案2】：

看起来你正在使用这个course：

https://github.com/datacamp/courses-introduction-to-python/blob/master/chapter4.md

看看这段代码：

# baseball is available as a regular list of lists

# Import numpy package
import numpy as np

# Create np_baseball (2 cols)
np_baseball = np.array(baseball)

# Print out the 50th row of np_baseball
print(np_baseball[49,:])

# Select the entire second column of np_baseball: np_weight_lb
np_weight_lb = np_baseball[:,1]

# Print out height of 124th player
print(np_baseball[123, 0])

请注意，选择列的下一行使用 [:,1] 表示法：

np_baseball[:,1]

这里需要“：”来识别/切片第一个维度，行。在np_baseball[49,:] 中，':' 做同样的事情，对二维进行切片。但作为简写，不需要指定尾随尺寸，所以 np_baseball[49] 就可以了。

在编写指导性答案时，我喜欢包含尾部切片，即使代码不需要它。我认为这让事情更清楚（大多数 :) ）人类读者。

【讨论】：

【解决方案3】：

# baseball is available as a regular list of lists

# Import numpy package
import numpy as np

# Create np_baseball (2 cols)
np_baseball = np.array(baseball)

# Print out the 50th row of np_baseball
print(np_baseball[49:50])

# Select the entire second column of np_baseball: np_weight_lb
np_weight_lb=np_baseball[:,1]

# Print out height of 124th player
print(np_baseball[123, 0])

【讨论】：