聊聊Numpy.array中[:]和[::]的區(qū)別在哪
[:]和[::]的區(qū)別蠻大的,用的好可以節(jié)省時間,下面以實例進行分析
array([:])
>>> import numpy as np >>> >>> x=np.array([1,2,3,4,5,6,7,8,9,10,11,12]) >>> print(x[1:5])#打印index為1~5的數(shù)組,范圍是左閉右開 [2 3 4 5] >>> print(x[3:])#打印index=3之后的數(shù)組,包含index=3 [ 4 5 6 7 8 9 10 11 12] >>> print(x[:9])#打印index=9之前的數(shù)組,不包含index=9 [1 2 3 4 5 6 7 8 9] >>> print(x[1:-2])#打印index=1到倒數(shù)第2個index之間的數(shù)組 [ 2 3 4 5 6 7 8 9 10] >>> print(x[-9:-2])#打印倒數(shù)第9個index和倒數(shù)第2個index之間的數(shù)組,左開右閉 [ 4 5 6 7 8 9 10]
array([::])
>>> print(x[1::3])#以index=1為起始位置,間隔3 [ 2 5 8 11] >>> print(x[::3])#默認從index=0開始,間隔3 [ 1 4 7 10] >>> print(x[3::])#和[3:]一樣 [ 4 5 6 7 8 9 10 11 12] >>> print(x[::-1])#反向打印數(shù)據(jù),從最后一個index開始,間隔為1 [12 11 10 9 8 7 6 5 4 3 2 1] >>> print(x[::-3])#反向打印數(shù)據(jù),從最后一個index開始,間隔為3 [12 9 6 3] >>> print(x[7:2:-1])#反向打印index=2(不包含)到index=7之間的數(shù)據(jù) [8 7 6 5 4]
也是碰到這方面的問題,沒搞明白,干脆試了試就清楚了,應(yīng)該[:]和[::]還有很多有趣的地方。
補充:Numpy.array()詳解 、np.array與np.asarray辨析、 np.array和np.ndarry的區(qū)別
記錄一下numpy.array()的詳細用法,以及與np.asarray()和np.ndarray()的區(qū)別。
1. Numpy.array()詳解
該函數(shù)的作用一言蔽之就是用來產(chǎn)生數(shù)組。
1.1 函數(shù)形式
numpy.array(object, dtype=None, copy=True, order='K', subok=False, ndmin=0)
1.2 參數(shù)詳解
object
:必選參數(shù),類型為array_like,可以有四種類型:數(shù)組,公開數(shù)組接口的任何對象,__array__方法返回數(shù)組的對象,或任何(嵌套)序列。np.array()的作用就是按照一定要求將object轉(zhuǎn)換為數(shù)組。
dtype
:可選參數(shù),用來表示數(shù)組元素的類型。如果沒有給出,那么類型將被確定為保持序列中的對象所需的最小類型。注: This argument can only be used to ‘upcast' the array. For downcasting, use the .astype(t) method.
copy
:可選參數(shù),類型為bool值。如果為true(默認值),則復(fù)制對象。否則的話只有在以下三種情況下才會返回副本:(1).if __array__ returns a copy;(2). if obj is a nested sequence;(3). if a copy is needed to satisfy any of the other requirements (dtype, order, etc.)
order
:{‘K', ‘A', ‘C', ‘F'},optional 。指定陣列的內(nèi)存布局。該參數(shù)我至今還沒有遇到過具體用法,這句話的意思就是我不會,故在此省略。
subok
:可選參數(shù),類型為bool值。如果為True,則子類將被傳遞,否則返回的數(shù)組將被強制為基類數(shù)組(默認)?;蛘哒f,True:使用object的內(nèi)部數(shù)據(jù)類型,F(xiàn)alse:使用object數(shù)組的數(shù)據(jù)類型。
ndmin
:可選參數(shù),類型為int型。指定結(jié)果數(shù)組應(yīng)具有的最小維數(shù)。
返回對象
out
:輸出ndarray,滿足指定要求的數(shù)組對象。
1.3 具體用法
簡單示例
import numpy as np arr01 = np.array([1,2,3]) print(arr01) #[1 2 3] print(type(arr01)) #<class 'numpy.ndarray'> print(arr01.dtype) #int32 #Upcasting arr02 = np.array([1.,2.,3.]) print(arr02) #[1. 2. 3.] print(arr02.dtype) #float64 #More than one dimension: arr03 = np.array([[1,2],[3,4]]) print(arr03) """ [[1 2] [3 4]] """
dtype參數(shù)使用示例
import numpy as np #指定數(shù)組元素類型為復(fù)數(shù)類型 DYX= np.array([1,2,3],dtype = complex) print(DYX) #[1.+0.j 2.+0.j 3.+0.j] print(DYX.dtype) #complex128 #由多個元素組成的數(shù)據(jù)類型: HXH = np.array([(1,2),(3,4)],dtype=[('a','<i4'),('b','<i8')]) print(HXH) #[(1, 2) (3, 4)] #下面的輸出有點神奇,我也只能記住規(guī)律了。 print(HXH["a"]) #[1 3] print(HXH["b"]) #[2 4] print(HXH.dtype) #[('a', '<i4'), ('b', '<i8')] print(HXH["a"].dtype) #int32 print(HXH["b"].dtype) #int64 TSL = np.array([(1,2,3),(4,5,6)],dtype=[("a","i"),("b","i"),("c","i")]) print(TSL["a"]) #[1 4] print(TSL["a"].dtype) #int32
上述代碼中,numpy的數(shù)據(jù)類型,可以百度下
subok參數(shù)使用示例
import numpy as np DYX = np.array(np.mat('1 2; 3 4')) #沒有顯示的寫出subok的值,但是默認為False print(DYX) #數(shù)組類型 print(type(DYX)) #<class 'numpy.ndarray'> """ [[1 2] [3 4]] """ HXH = np.array(np.mat('1 2; 3 4'), subok=True) print(HXH) #矩陣類型 print(type(HXH)) #<class 'numpy.matrixlib.defmatrix.matrix'> """ [[1 2] [3 4]] """
前文對subok的描述是這樣的:“如果為True,則子類將被傳遞,否則返回的數(shù)組將被強制為基類數(shù)組(默認)”。
在上文的代碼中“np.mat('1 2; 3 4')”,就是子類,是矩陣類型。DYX = np.array(np.mat('1 2; 3 4'))中subok為False,返回的數(shù)組類型被強制為基類數(shù)組,所以DYX的類型是<class 'numpy.ndarray'>,是數(shù)組;HXH = np.array(np.mat('1 2; 3 4'), subok=True)中subok為True,子類被傳遞,所以HXH的類型是矩陣<class 'numpy.matrixlib.defmatrix.matrix'>。
這就是區(qū)別所在。
ndmin參數(shù)使用示例
import numpy as np DYX = np.array([1,2,3],ndmin=0) print(DYX,DYX.shape) #[1 2 3] (3,) HXH = np.array([1,2,3],ndmin=1) print(HXH,HXH.shape) #[1 2 3] (3,) TSL = np.array([1,2,3],ndmin=2) print(TSL,TSL.shape) #[[1 2 3]] (1, 3)
其他兩個參數(shù)copy和order,我至今還沒有遇到過,所以暫且不表。誰有介紹這兩個參數(shù)用法的博客嗎?
2. Asarray和Array辨析
Numpy.asaray的用法不再贅述,主要介紹一下二者的區(qū)別。
2.1 object對象是普通迭代序列時
import numpy as np data = [1,1,1] print(type(data)) #<class 'list'> 列表類型 arr_ar = np.array(data) arr_as = np.asarray(data) #輸出上沒有區(qū)別 print(arr_ar) #[1 1 1] print(arr_as) #[1 1 1] data[1]=2 #改變原序列對arr_ar和arr_as沒影響 print(arr_ar) #[1 1 1] print(arr_as) #[1 1 1] #此時data是[1, 2, 1] #改變arr_ar和arr_as對原序列沒有影響 arr_ar[1]=3 print(data) #[1, 2, 1] arr_as[1]=3 print(data) #[1, 2, 1]
可見在參數(shù)對象是普通迭代序列時,asarray和array沒有區(qū)別(在我的理解范圍內(nèi))。
2.2 object對象是ndarray對象時
import numpy as np data = np.ones((3,)) #print(type(data)) #<class 'numpy.ndarray'> 數(shù)組類型 arr_ar = np.array(data) arr_as = np.asarray(data) print(arr_ar) #[1. 1. 1.] print(arr_as) #[1. 1. 1.] """ 這邊區(qū)別就出來了。修改原始序列后, np.array()產(chǎn)生的數(shù)組不變, 但是np.asarray()產(chǎn)生的數(shù)組發(fā)生了變化 """ data[1]=2 print(arr_ar) #[1. 1. 1.] print(arr_as) #[1. 2. 1.] !!! """ 這邊也有區(qū)別,修改array產(chǎn)生的數(shù)組,不影響原始序列 修改asarray產(chǎn)生的數(shù)組,會影響原始序列 """ #此時data=[1. 2. 1.] arr_ar[2]=3 print(data) #[1. 2. 1.] arr_as[2]=3 print(data) #[1. 2. 3.]
我們總結(jié)一下:
相同點:array和asarray都可以將數(shù)組轉(zhuǎn)化為ndarray對象。
區(qū)別:當(dāng)參數(shù)為一般數(shù)組時,兩個函數(shù)結(jié)果相同;當(dāng)參數(shù)本身就是ndarray類型時,array會新建一個ndarray對象,作為參數(shù)的副本,但是asarray不會新建,而是與參數(shù)共享同一個內(nèi)存。重點就是這個共享內(nèi)存。
3.Numpy.ndarray()
這是最近在一個項目里看到的用法,搜索了一下用法,只在stackoverflow看到了一個問題:“What is the difference between ndarray and array in numpy?”。
地址如下:https://stackoverflow.com/questions/15879315/what-is-the-difference-between-ndarray-and-array-in-numpy
numpy.array只是一個創(chuàng)建ndarray的便利函數(shù);它本身不是一個類。他講到也可以使用numpy.ndarray創(chuàng)建一個數(shù)組,但這不是推薦的方法。 numpy.ndarray() 是一個類,而numpy.array() 是一個創(chuàng)建ndarray的方法/函數(shù)。
在numpy docs中,如果你想從ndarray類創(chuàng)建一個數(shù)組,你可以用引用的2種方式來做:
(1).using array(), zeros() or empty() methods: Arrays should be constructed using array, zeros or empty (refer to the See Also section below). The parameters given here refer to a low-level method (ndarray(…)) for instantiating an array.【1-使用array(), zeros()或empty()方法:數(shù)組應(yīng)該使用array, zeros()或empty()構(gòu)造。這里給出的參數(shù)引用用于實例化數(shù)組的低級方法(ndarray(…))?!?/p>
(2).from ndarray class directly: There are two modes of creating an array using new: If buffer is None, then only shape, dtype, and order are used. If buffer is an object exposing the buffer interface, then all keywords are interpreted.【2-來自ndarray類:使用new創(chuàng)建數(shù)組有兩種模式:如果buffer是None,則只使用shape,dtype和order。 如果buffer是公開buffer接口的對象,則解釋所有關(guān)鍵字。】
所以說老老實實用numpy.array()吧。
以上為個人經(jīng)驗,希望能給大家一個參考,也希望大家多多支持本站。
版權(quán)聲明:本站文章來源標(biāo)注為YINGSOO的內(nèi)容版權(quán)均為本站所有,歡迎引用、轉(zhuǎn)載,請保持原文完整并注明來源及原文鏈接。禁止復(fù)制或仿造本網(wǎng)站,禁止在非www.sddonglingsh.com所屬的服務(wù)器上建立鏡像,否則將依法追究法律責(zé)任。本站部分內(nèi)容來源于網(wǎng)友推薦、互聯(lián)網(wǎng)收集整理而來,僅供學(xué)習(xí)參考,不代表本站立場,如有內(nèi)容涉嫌侵權(quán),請聯(lián)系alex-e#qq.com處理。