如果对象是二维数组，则切片必须为x[:]形式，并有冒号。 冒号前后分别表示对象的第0个和第1个维。
如果对象是三维阵列，则切片必须为x[:]。 那里有两个冒号，分隔了三个间隔。 三个间隔之前、之中和之后分别表示对象的第0、1和第二个维。
x[n，]、x[:n]、x[m:n，]、x[:m:n]
上面的大括号(m:n )应被视为整体，(除了m:n )之外的冒号用于指示在哪个维度上操作。
在二维阵列的情况下，冒号之前的[n，]意味着对二维阵列中第0维第n个元素的操作，冒号之后的[，n]意味着对二维阵列中第1维第n个元素的操作。 将n置换为(m:n )时，意味着对第m个至第n-1个元素的操作。
示例：
导入编号为NP
a=NP.array ([ 1，2，3，4 ]、[ 5，6，7，8 ]、[ 9，10，11，12 ]、[ 13，14，15，16 ]、[ 17，18，19，20 ]
打印(a.shape ) )。
打印(a [ 0， ]，a [ 0， ].shape ) )。
打印(a [ 1， ]，a [ 1， ].shape ) )。
打印(a (-1， )，a (-1， ).shape ) )。
打印(a [ 0:2， ]，a [ 0:2， ].shape ) ) ) ) )。
打印(a [ :0 ]，a [ :0 ].shape ) ) )。
打印(a [ :1 ]，a [ :1 ].shape ) )。
print(a[:-1]，a[:-1].shape )。
打印(a [ :0:2 ]，a [ :0:2 ].shape ) )
执行结果如下。
(5，4 ) )。
[1234](4，
[5678](4，
[17181920](4，
[[1 2 3 4]
[56(7)8] ) 2，4 ) )。
[1591317](5，
[26101418](5，
[48121620](5，
[1(2]) ]
[5(6]) ]
[ 9 10]
[13 14]
([ 1718 ] (5，2 ) )。
Process finished with exit code 0
在上面的示例中，a是shape=(5，4 )的数组。 第0个维有5个元素，第1个维有4个元素(元素不一定是单个值，也可以是数组)。 这里对元素的称呼是相对于某个维度的)。
a [ 0， ]、a [ 1， ]、a [-1， ]分别提取a的第0个维度中的第0个、第1个、第-1个要素，各要素为含有4个要素的阵列。
a [ 0:2， ]提取a的第0维的第0和第1两个元素。 2个要素都是包含4个要素的排列，一起构成二维排列。
a[:0 ]、a [ :1 ]、a [ :-1]分别提取出a的第一维的0、1、-1个元素，每一个元素都是单一的元素值。
a [ :033602 ]提取了a的第一维的第0和第1两个元素。 两个要素都是单一的要素值，构成了二维数组。
x[n，3360]、x[:n:]、x [ :n]、x[m:n，33603360]、x[m:n
上面的大括号(m:n )应视为一个整体，)除m:n )之外的两个冒号用于指示在哪个维上操作。
在三维数组的情况下，2冒号开头的(n ) )意味着对三维数组第0维第n个元素的操作，2冒号中间的)，n )意味着对三维数组第1维第n个元素的操作，2冒号后面的)，n )意味着三维数组第2个元素的操作将n置换为(m:n )时，意味着对第m个至第n-1个元素的操作。
示例：
导入编号为NP
b=NP.array ([ 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 ]、[ 33，34，35，36 ]，
] )
打印(b.shape ) )。
print (b [ 0，3360 ]、b [ 1， ]、b [-1，3360 ]、b [ 033602， ] ) )
打印(b [ 0，3360 ]，b [ 0，3360 ].shape ) () ) ) ) ) ) ) ) )。
打印(b [ 1，3360 ]，b [ 1，3360 ].shape ) )。
打印(b (-1，3360 )，b (-1， ).shape ) ) ) )。
print (b [ 0:2， ]、b [ 0:2，3360 ].shap
e)print("b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]")
print(b[:, 0:], b[:, 0:].shape)
print(b[:, 1:], b[:, 1:].shape)
print(b[:, -1:], b[:, -1:].shape)
print(b[:, 0:2:], b[:, 0:2:].shape)
print("b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]")
print(b[::, 0], b[::, 0].shape)
print(b[::, 1], b[::, 1].shape)
print(b[::, -1], b[::, -1].shape)
print(b[::, 0:2:], b[::, 0:2].shape)
print("b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]")
print(b[:, :, 0], b[:, :, 0].shape)
print(b[:, :, 1], b[:, :, 1].shape)
print(b[:, :, -1], b[:, :, -1].shape)
print(b[:, :, 0:2:], b[:, :, 0:2].shape)
运行结果如下：
(3, 3, 4)
b[0, ::],b[1, ::],b[-1, ::],b[0:2, ::]
[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]] (3, 4)
[[13 14 15 16]
[17 18 19 20]
[21 22 23 24]] (3, 4)
[[25 26 27 28]
[29 30 31 32]
[33 34 35 36]] (3, 4)
[[[ 1 2 3 4]
[ 5 6 7 8]
[ 9 10 11 12]]
[[13 14 15 16]
[17 18 19 20]
[21 22 23 24]]] (2, 3, 4)
b[:, 0:],b[:, 1:],b[:, -1:],b[:, 0:2:]
[[[ 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 36]]] (3, 3, 4)
[[[ 5 6 7 8]
[ 9 10 11 12]]
[[17 18 19 20]
[21 22 23 24]]
[[29 30 31 32]
[33 34 35 36]]] (3, 2, 4)
[[[ 9 10 11 12]]
[[21 22 23 24]]
[[33 34 35 36]]] (3, 1, 4)
[[[ 1 2 3 4]
[ 5 6 7 8]]
[[13 14 15 16]
[17 18 19 20]]
[[25 26 27 28]
[29 30 31 32]]] (3, 2, 4)
b[::, 0],b[::, 1],b[::, -1],b[::, 0:2:]
[[ 1 2 3 4]
[13 14 15 16]
[25 26 27 28]] (3, 4)
[[ 5 6 7 8]
[17 18 19 20]
[29 30 31 32]] (3, 4)
[[ 9 10 11 12]
[21 22 23 24]
[33 34 35 36]] (3, 4)
[[[ 1 2 3 4]
[ 5 6 7 8]]
[[13 14 15 16]
[17 18 19 20]]
[[25 26 27 28]
[29 30 31 32]]] (3, 2, 4)
b[:,:, 0],b[:,:, 1],b[:,:, -1],b[:,:, 0:2:]
[[ 1 5 9]
[13 17 21]
[25 29 33]] (3, 3)
[[ 2 6 10]
[14 18 22]
[26 30 34]] (3, 3)
[[ 4 8 12]
[16 20 24]
[28 32 36]] (3, 3)
[[[ 1 2]
[ 5 6]
[ 9 10]]
[[13 14]
[17 18]
[21 22]]
[[25 26]
[29 30]
[33 34]]] (3, 3, 2)
Process finished with exit code 0
上例中，b是shape=(3,3,4)的数组。第0个维度上有3个元素，第1个维度上有3个元素，第2个维度上有4个元素(元素不一定是单个值， 也可能是数组，这里的元素的叫法是相对于某个维度而言的)。
b[0, ::]、b[1, ::]、b[-1, ::]分别提取了b的第0个维度上的第0、1和-1个元素，每个元素都是一个二维数组。
b[0:2, ::]提取了b的第0个维度上的第0和1两个元素，两个元素都是一个二维数组，共同组成一个三维数组。
b[:, 0:]、b[:, 1:]、b[:, -1:]分别提取了b的全部元素(都是由4个元素的单个数组)、b的第1个维度上除第0号外的所有元素(都是由4个元素的单个数组)、b的第1个维度上的所有最后一个位置上的元素(都是由4个元素的单个数组)。
b[:, 0:2:]提取了b的第1个维度上的第0和1两个元素，两个元素都是一个有4个元素的数组，共同组成一个三维数组。
b[::, 0]、b[::, 1]、b[::, -1]分别提取了b的第2个维度上的0、1和-1个元素(这里的元素就是单个有4个元素的数组)，每个元素都是有4个元素的数组。
b[::, 0:2]提取了b的第2个维度上的第0和1两个元素(这里的元素就是单个有4个元素的数组)，两个元素都是有4个元素的数组。
b[:,:, 0]、b[:,:, 1]、b[:,:, -1]分别提取了b的第2个维度的所有元素(即有4个元素的数组)中的第0、1和-1个元素值，每个元素都是单个元素值。
b[:,:, 0:2]提取了b的第2个维度的所有元素(即有4个元素的数组)中的第0和1两个元素值，两个元素都是单个元素值。
以上就是本文的全部内容，希望对大家的学习有所帮助，也希望大家多多支持我们。
本文标题: 详解Python二维数组与三维数组切片的方法
本文地址: http://www.cppcns.com/jiaoben/python/265860.html