import numpy as np
arr = np.array([[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]])
print(arr[0:2, : , 2]
我知道选择了元素 3、6、9 和 12，但无法确定输出是否为 打印为一维数组或二维数组或更多。 它是如何工作的？
输出：
【问题讨论】：
arr[0:2, : , 2].ndim或形状arr[0:2, : , 2].shape
标签： python python-3.x numpy numpy-slicing
arr = np.array([[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]])
# array([[[ 1, 2, 3],
# [ 4, 5, 6]],
# [[ 7, 8, 9],
# [10, 11, 12]]])
arr.shape # ------> (2,2,3)
# Think of them as axis
# lets create the first 2 axis of (`2`, ...)
# |(1)
# |
# |
# |
# |---------(0)
# now lets create second 2 axis of (2, `2`, ..)
# (1,1)
# |
# |---(1,0)
# |
# |
# |
# | |(0,1)
# |---------|---(0,0)
# now lets create the last 3 axis of (2, 2, `3`)
# /``(1,1,0) = 10
# |-- (1,1,1) = 11
# | \__(1,1,2) = 12
# |
# | /``(1,0,0) = 7
# |--|--(1,0,1) = 8
# | \__(1,0,2) = 9
# |
# |
# | /``(0,1,0) = 4
# | |--(0,1,1) = 5
# | \__(0,1,2) = 6
# | |
# | |
# |---------|---/``(0,0,0) = 1
# |--(0,0,1) = 2
# \__(0,0,2) = 3
# now suppose you ask
arr[0, :, :] # give me the first axis alon with all it's component
# |
# | /``(0,1,0) = 4
# | |--(0,1,1) = 5
# | \__(0,1,2) = 6
# | |
# | |
# |---------|---/``(0,0,0) = 1
# |--(0,0,1) = 2
# \__(0,0,2) = 3
# So it will print
# array([[1, 2, 3],
# [4, 5, 6]])
arr[:, 0, :] # you ask take all the first axis 1ut give me only the first axis of the first axis and all its components
#
#
#
#
# | /``(1,0,0) = 7
# |--|--(1,0,1) = 8
# | \__(1,0,2) = 9
# |
# |
# |
# |
# |
# |
# |
# |---------|---/``(0,0,0) = 1
# |--(0,0,1) = 2
# \__(0,0,2) = 3
# so you get the output
# array([[1, 2, 3],
# [7, 8, 9]])
# like wise you ask
print(arr[0:2, : , 2])
# so you are saying give (0,1) first axis, all of its children and only 3rd (index starts at 0 so 2 means 3) children
# 0:2 means 0 to 2 `excluding` 2; 0:5 means 0,1,2,3,4
#
# |
# | \__(1,1,2) = 12
# |
# |
# |--
# | \__(1,0,2) = 9
# |
# |
# |
# |
# | \__(0,1,2) = 6
# | |
# | |
# |---------|---/
# |
# \__(0,0,2) = 3
# so you get
# array([[ 3, 6],
# [ 9, 12]])
【讨论】：
给定数组：
arr = np.array([[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]])
arr.shape 给出的 arr 的形状是(2,2,3)。
这基本上意味着如果我们从外部开始（并忽略第一个方括号），我们在该范围内有 2 个数组。如果我们输入其中之一，我们可以计算 2 个数组，如果我们输入其中一个，我们会找到 3 个元素。我认为拥有这种观点对于理解以下内容非常有帮助。
指定arr[1,1,2]选择最外层范围内的第二个数组（索引1），then选择后面范围内的第二个数组，then选择第三个元素.输出是一个数字：
12
指定arr[:,1,2] 首先同时选择最外层范围内的所有数组，然后为每个选择第二个数组（索引 1）。当我们然后进入下一个作用域时，我们挑选出第三个元素。这会输出两个数字：
array([ 6, 12])
指定 arr[:, : , 2] 输出 4 个数字，因为 1. 在第一个范围内，我们选择了所有数组 (2) 2. 在下一个范围内，我们选择了所有数组（第一个数组各 2 个）
array([[ 3, 6],
[ 9, 12]])
本能地，它们之所以显示为 2x2 数组，可以看作是从最低范围后退。元素被括在方括号中，因为它们共享一个范围。 3 和 6 将在一个数组中，而 9 和 12 将在另一个数组中。
【讨论】：
您可以使用reshape()，如下所示：
import numpy as np
arr = np.array([[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]])
first = arr[0:2, : , 2]
print(first)
print(first.shape)
second = first.reshape(1,-1)
print(second)
print(second.shape)
输出：
[[ 3 6]
[ 9 12]]
(2, 2)
[[ 3 6 9 12]]
(1, 4)
【讨论】：
shape 来获取尺寸并使用 reshape 来改变尺寸，就像上面一样，这对你有帮助吗？
要检查数组的形状，只需运行 .shape 方法：
import numpy as np
arr = np.array([[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]])
print(arr[0:2, : , 2].shape)
输出：(2, 2)
所以你有一个 2 x 2 数组。
希望对你有帮助！
【讨论】：
Numpy N 维数组/列表 基本上在使用普通列表切片时
普通列表
start,end=0,5
l=[1,2,3,4,5]
print(l[start:end])
[1,2,3,4,5]
Numpy 数组 ([List[list[list..]]])
所以这里当我们引用给定的 numpy 数组时 arr=[[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]]
Level 0拼接基础元素
arr[0:] [[[1,2,3], [4,5,6]], [[7,8,9],[10,11,12]]]
arr[1:] [[[7,8,9],[10,11,12]]
Level 1 拼接 base Elems
的 childarr[0:,1:] [[[4,5,6]],[[10,11,12]]]
Level 2 拼接 child Elems
的 subchildsarr[0:,1:,1:] [[[5,6]],[[11,12]]]
【讨论】：
索引/切片 3d 数组实际上与在 1d、2d 或 20d 上执行相同操作没有什么不同。
In [580]: arr
Out[580]:
array([[[ 1, 2, 3],
[ 4, 5, 6]],
[[ 7, 8, 9],
[10, 11, 12]]])
In [581]: arr[:,:,2]
Out[581]:
array([[ 3, 6],
[ 9, 12]])
对于 (2,2,3) 形状，使用0:2 切片与: 相同，即整个维度。因此，您的示例仅选择沿最后一个轴的“2”子数组。使用标量进行索引会减少该维度，因此 (2,2,3) => (2,2)。
查看结果值在原始数据中的位置 - 最右侧的列，但拆分为 2 个平面。 2 个平面中的 2 个高列导致一个 (2,2) 数组。
numpy 具有灵活的多维数组布局和相应的索引系统。这意味着arr[:,1,:] 和arr[1,:,:] 甚至arr[1,:,2] 都以相同的方式工作，尽管结果不同。但底层机制基本相同。
In [582]: arr[1,:,:]
Out[582]:
array([[ 7, 8, 9],
[10, 11, 12]])
In [583]: arr[1,:,2]
Out[583]: array([ 9, 12])
In [585]: arr[:,1,2]
Out[585]: array([ 6, 12])
【讨论】：