numpy切⽚操作
numpy切⽚操作
⼀、总结
⼀句话总结：
> numpy切⽚结构：array[start:stop:step,start:stop:step]，前⾯的start:stop:step表⽰⾏，后⾯的start:stop:step表⽰列
arr1=np.arange(1,17).reshape((4,4))
print(arr1)
[[ 1  2  3  4]
[ 5  6  7  8]
[ 9 10 11 12]
[13 14 15 16]]
print(arr1[1:3,1::2])
[[ 6  8]
[10 12]]
⼆、numpy数组切⽚操作之[:,2]、[-1:,0:2]、[1:,-1:]等都是啥？
注：最近在看代码，有好多关于numpy库的函数，尤其对于numpy数组，什么[:,2]、[-1:,0:2]、[1:,-1:]搞得⼀脸懵逼，百度没到解释得很到位的，官⽹教程也也真是够简洁的。所以，还是得⾃⼰去实打实的敲⼀下，加强理解。
numpy数组切⽚操作
通过冒号分隔切⽚参数 start:stop:step 来进⾏切⽚操作：
形如：
b = a[2:7:2]  # 从索引 2 开始到索引 7 停⽌，间隔为 2
冒号：的解释：如果只放置⼀个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表⽰从
该索引开始以后的所有项都将被提取。如果使⽤了两个参数，如 [2:7]，那么则提取两个索引(不包括停⽌索引)之间的项。
⼀维数组
⼀维数组就如上所说，直接给例⼦看
>>>import numpy as np
>>>a = np.array([1,2,3,4,5,6,7,8])
1.只有⼀个参数
>>> a[1] #具体的元素 2
2
>>> a[1:] #冒号前⾯是起，后⾯是⽌，冒号前⾯空，指最⼩0，后⾯放空就是到最后，这⾥是⼀维数组
array([2, 3, 4, 5, 6, 7, 8])
对⽐⼀下下⾯这两个，⼀个是⼀维数组，⼀个是具体的单个元素，为什么呢？看后⾯解释。
>>> a[7:]
array([8])
>>> a[7]
8
2.两个参数
>>> print(a[1:3])  #从索引1开始，也就是第⼆个元素2，到索引3，不包括索引3
[2 3]
3.三个参数
>>> print(a[1:7:2]) #从索引1开始，到索引7，不包括索引7，间隔为2
[2 4 6]
⼀维数组，很好理解，毕竟中括号[]⾥只有冒号：，没有逗号，
⼆维数组
先定义⼀个⼆维数组
>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3]
[3 4 5]
[4 5 6]]
> 简单：
>>> a[1]
array([3, 4, 5])
单个参数的话，就是指的是1，第⼆⾏或第⼆列。这⾥是⾏，因为⾏优先我猜。
所以就是第2⾏的元素
>>> a[1:]
array([[3, 4, 5],
[4, 5, 6]])
出现了冒号，意思是从第⼆号到最后，这⾥指的也是⾏。冒号后⾯没有数就是指最⼤的。冒号前⾯没有数，就是指最⼩数0。如下>>> a[:2]
array([[1, 2, 3],
[3, 4, 5]])
这⾥的意思就是，从0开始，到2，也就是第1⾏第⼆⾏。（第三⾏不算）
>>> a[1:2]
array([[3, 4, 5]])
现在是两个参数了，不过只有⼀个冒号：，跟⼀维数组⼀样，是从第⼆⾏到第三⾏，不包括第三⾏。
> 进阶
>>> a[1,]
array([3, 4, 5])
>>> a[1:,]
array([[3, 4, 5],
[4, 5, 6]])
>>> a[:2,]
numpy库常用函数array([[1, 2, 3],
[3, 4, 5]])
>>> a[1:2,]
array([[3, 4, 5]])
跟上⾯三个对⽐⼀下，发现输出⼀模⼀样。
总结：
这是numpy的切⽚操作，⼀般结构如num[a:b,c:d]，分析时以逗号为分隔符，
逗号之前为要取的num⾏的下标范围(a到b-1)，逗号之后为要取的num列的下标范围(c到d-1)；
前⾯是⾏索引，后⾯是列索引。
如果是这种num[:b,c:d]，a的值未指定，那么a为最⼩值0；
如果是这种num[a:,c:d]，b的值未指定，那么b为最⼤值；c、d的情况同理可得。
所以重点就是看逗号，没逗号，就是看⾏了，冒号呢，就看成⼀维数组的形式啦。那上⾯逗号后⾯没有树，也就是不对列操作咯。当然也可以这样：
>>> a[:2:1]
array([[1, 2, 3],
[3, 4, 5]])
⾸先没有逗号，那切⽚就是只看⾏了，这⾥的意思是，从0开始到2（2不算），间隔为1。
> 进阶up
⾸先先把原数组再看⼀下。
>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3]
[3 4 5]
[4 5 6]]
>>> a[:,1]
array([2, 4, 5])
逗号前⾯是⾏，⾏都没有指定数，也就是说对⾏每要求，只考虑列了。
这⾥的意思是：逗号之后是列，只有⼀个元素1，就是取第2列了。
>>> a[:,1:3]  #第2列到第3列
array([[2, 3],
[4, 5],
[5, 6]])
>>> a[:,0:2] #第1列到第2列
array([[1, 2],
[3, 4],
[4, 5]])
>>> a[:,]  #对列也不操作，跟下⾯等价
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])
>>> a[:,:]
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])
但是，下⾯的写法是错的（就是逗号在最前⾯都是错的）
>>> a[,1]
File "<stdin>", line 1
a[,1]
^
SyntaxError: invalid syntax
>>> a[,]
File "<stdin>", line 1
a[,]
^
SyntaxError: invalid syntax
>>> a[,:1]
File "<stdin>", line 1
a[,1]
^
SyntaxError: invalid syntax
到这，应该能基本看得懂所有的切⽚操作了吧
但是，我们可能还会遇到负号，⽐如-1、-2…等这些。这些怎么理解呢？
看下图
也就是说，-1就是指最后⼀个（⾏/列），依次递推。
> 实战⼀波
>>> a[:,-1]  #就是最后⼀列啦
array([3, 5, 6])
>>> a[:,-3:]  #倒3列，也就是这个数组的第⼀列，⼀直到最后。
array([[1, 2, 3],
[3, 4, 5],
[4, 5, 6]])
>>> a[:,-3:-1]  #倒3列，到倒1列，不包括倒⼀列。
array([[1, 2],
[3, 4],
[4, 5]])
其他⾏和列就都差不多啦
ok，现在看看稍微难理解的。
> 进阶upup
对⽐⼀下下⾯两个，发现他们的维度不同，⼀个是⼀维的，⼀个是⼆维的。
我们上⾯也遇到⼀个，⼀个是⼀维，⼀个是具体的单个元素。
>>> a[:,-1]
array([3, 5, 6])
>>> a[:,-1:]
array([[3],
[5],
[6]])
我的理解：
第⼀个是，指定了最后⼀列，也就是说，在⼆维数组⾥的⼀列，就是⼀维的啊。那么第⼆个，是从最后⼀列开始，不妨假设⼀下后⾯还有列，那么就应该是不⽌⼀列，对机器来说，就是⼆维的。机器肯定不知道什么时候是⼀维，什么时候是⼆维的，所以当你⽤到start和stop的时候，那就当作是⼆维的了。
我的建议：
官⽹给出的教程实在是太简洁了。不够详细，所以啊，还是要⾃⼰动动⼿，就能很快明⽩numpy数组的
切⽚操作了。
注；以上就是博主能想到的所以切⽚操作了吧，关于我的理解，如果有误的话，还请⼤佬指出，共同学习呀。