在python&numpy中切片(slice)
上文说到了，词频的统计在数据挖掘中使用的频率很高，而切片的操作同样是如此。在从文本文件或数据库中读取数据后，需要对数据进行预处理的操作。此时就需要对数据进行变换，切片，来生成自己需要的数据形式。
对于一维数组来说，python原生的list和numpy的array的切片操作都是相同的。无非是记住一个规则arr_name[start: end: step],就可以了。
实例：
下面是几个特殊的例子：
[:]表示复制源列表- 负的index表示，从后往前。-1表示最后一个元素。
相对于一维数组而言，二维（多维）数组用的会更多。一般语法是arr_name[行操作, 列操作]
先随机产生一个3*4的数组。
in:arr = np.arange(12).reshape((3, 4))
out:
array([[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]])- 取行数据
arr[i, :] #取第i行数据
arr[i:j, :] #取第i行到第j行的数据- 取列数据（注意数据格式）
in:arr[:,0] # 取第0列的数据，以行的形式返回的
out:
array([0, 4, 8])
in:arr[:,:1] # 取第0列的数据，以列的形式返回的
out:
array([[0],
[4],
[8]])
- 取一个数据块
# 取第一维的索引1到索引2之间的元素，也就是第二行
# 取第二维的索引1到索引3之间的元素，也就是第二列和第三列
in:arr[1:2, 1:3]
out:
array([[5, 6]])
# 取第一维的全部
# 按步长为2取第二维的索引0到末尾之间的元素，也就是第一列和第三列
in: arr[:, ::2]
out:
array([[ 0, 2],
[ 4, 6],
[ 8, 10]])参考文献
- Python之numpy教程（二）：运算、索引、切片
- Numpy 笔记(二): 多维数组的切片(slicing)和索引