可以在任何一个解释我如何做以下工作命令(<---
)在python numpy的蟒蛇切片多demnsional阵列
r = np.arange(36)
r.resize(6,6)
r.reshape(36)[::7] # <---
可以在任何一个解释我如何做以下工作命令(<---
)在python numpy的蟒蛇切片多demnsional阵列
r = np.arange(36)
r.resize(6,6)
r.reshape(36)[::7] # <---
你只需要运行的命令逐一分析它们的输出:
创建第一个[0, 35]
数字的列表。
>>> r = np.arange(36)
>>> r
array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16,
17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33,
34, 35])
重塑列表就地到6 x 6
数组:
>>> r.resize(6,6) # equivalent to r = r.reshape(6,6)
>>> r
array([[ 0, 1, 2, 3, 4, 5],
[ 6, 7, 8, 9, 10, 11],
[12, 13, 14, 15, 16, 17],
[18, 19, 20, 21, 22, 23],
[24, 25, 26, 27, 28, 29],
[30, 31, 32, 33, 34, 35]])
重塑矢量r
到1Dimensional矢量
>>> tmp = r.reshape(36)
tmp
以上是完全一样的作为r
在第一步
过滤每7
元件
>>> tmp[::7]
array([ 0, 7, 14, 21, 28, 35])
切片/索引被表示为i:j:k
,其中i = from
,j = to
k = step
和。因此,5:10:2
将意味着从元素5到10的,每2步给我元素。如果i
不存在,则假定它是从数组开始的。如果j
不存在,则假定它是直到数组结束。如果k
不存在,则假定其具有1(步骤1中的所有元素)。
与所有上述情况,你可以重写你的例子在一个单一的路线为:
>>> np.arange(36)[::7]
或者,如果你已经有了r
,这是N维:
>>> r.ravel()[::7]
这里ravel
将返回r
的1维视图(优选为reshape(36)
)。
如果您想了解更多关于切片的信息,请参考numpy documentation。
首先,您使用的是NumPy ndarray.reshape,它将给定的阵列重建为指定的形状。在你的情况下,你将它转换成一个有36个元素的1维数组。其次,使用括号之间的数字,您的数组中的某些值为indexing。切片由每个维度3个值组成,形式为[number1:number2:number3]。如果您将这些值保留为空(例如您的情况为数字1和2),您将保留它们为默认值,即number1将为0,number2将为-1(最后一个数组索引),number3将为3:
有一点需要补充,既reshape()
和resize()
方法具有相同的功能,它们之间唯一的区别是它们如何影响到调用数组对象r
:
r.resize()
没有返回。它直接改变调用数组对象r
的形状。r.reshape()
返回一个新的重新整形的数组对象。并保持原来的r
不变。>>> import numpy as np
>>> r = np.arange(36)
>>> r.shape
(36,)
>>> # 1. --- `reshape()` returns a new object and keep the `r` ---
>>> new = r.reshape(6,6)
>>> new.shape
(6, 6)
>>>
>>> # 2. --- resize changes `r` directly and returns `None` ---
>>> nothing = r.resize(6,6)
>>> type(nothing)
<class 'NoneType'>
>>> r.shape
(6, 6)
这不是切片多维阵列;只有调整大小产生了这样一个数组,重塑再次产生了一个维度。 –