前言
NumPy（Numerical Python的缩写）是一个开源的Python科学计算库。使用NumPy，就可以很自然地使用数组和矩阵。NumPy包含很多实用的数学函数，涵盖线性代数运算、傅里叶变换和随机数生成等功能。本文主要介绍Python NumPy 数组索引及访问数组元素。
1、访问数组元素
数组索引与访问数组元素相同。
您可以通过引用其索引号来访问数组元素。
NumPy数组中的索引以0开头，这意味着第一个元素的索引为0，第二个元素的索引为1等。
例如：
从以下数组中获取第一个元素：
import numpy as np arr = np.array([1, 3, 3, 4]) print(arr[0]) # 1
例如：
从以下数组中获取第二个元素。
import numpy as np arr = np.array([1, 3, 3, 4]) print(arr[1]) # 3
例如：
从以下数组中获取第三和第四个元素并将其添加。
import numpy as np arr = np.array([1, 2, 3, 4]) print(arr[2] + arr[3]) # 7
2、访问 2-D Arrays(数组)
要访问二维数组中的元素，我们可以使用逗号分隔的整数来表示元素的维数和索引。
例如：
在第一个昏暗处访问第二个元素：
import numpy as np
arr = np.array([[1,12,3,4,5], [6,7,8,9,10]])
print('2nd element on 1st dim: ', arr[0, 1])
# 2nd element on 1st dim: 12
例如：
进入第二个暗处的第五个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
print('5th element on 2nd dim: ', arr[1, 4])
# 5th element on 2nd dim: 110
3、访问 3-D Arrays(数组)
要访问3-D数组中的元素，我们可以使用逗号分隔的整数来表示元素的尺寸和索引。
例如：
访问第一个数组的第二个数组的第三个元素:
import numpy as np arr = np.array([[[1, 2, 3], [4, 5, 6]], [[7, 8, 9], [10, 11, 12]]]) print(arr[0, 1, 2])
示例说明
arr[0, 1, 2]输出的值为6.
这就是为什么：
第一个数字表示第一维，它包含两个数组：
[[1、2、3]，[4、5、6]]
和：
[[7、8， 9]，[10，11，12]]
因为我们选择了0，所以剩下的第一个数组是：
[[1、2、3]，[4 ，5，6]]
第二个数字代表第二维，它还包含两个数组：
[1、2、3]
和：
[4、5、6]
，因为我们选择了1，剩下第二个数组：
[4，5，6]
第三个数字代表第三个维度，其中包含三个值：
4
5
6
由于我们选择了2，因此我们以第三个维度结束 值：
6
4、负索引
使用负索引从头开始访问数组。
例如：
打印第二个暗处的最后一个元素：
import numpy as np
arr = np.array([[1,2,3,4,5], [6,7,8,9,110]])
print('Last element from 2nd dim: ', arr[1, -1])
# Last element from 2nd dim: 110
参考资料：https://www.cjavapy.com/article/1040/
到此这篇关于Python NumPy 数组索引的文章就介绍到这了,更多相关Python NumPy 数组索引内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！