Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]用法

版权声明:本文为博主原创文章,未经博主允许不得转载。 https://blog.csdn.net/m0_37592397/article/details/89024078

x[m,n]是通过numpy库引用数组或矩阵中的某一段数据集的一种写法,

m代表第m维,n代表m维中取第几段特征数据。

通常用法:

x[:,n]或者x[n,:]

x[:,n]表示在全部数组(维)中取第n个数据,直观来说,x[:,n]就是取所有集合的第n个数据,

对于X[:,0];

是取二维数组中第一维的所有数据

对于X[:,1]

是取二维数组中第二维的所有数据

对于X[:,m:n]

是取二维数组中第m维到第n-1维的所有数据

对于X[:,:,0]

是取三维矩阵中第一维的所有数据

对于X[:,:,1]

是取三维矩阵中第二维的所有数据

对于X[:,:,m:n]

是取三维矩阵中第m维到第n-1维的所有数据

    这样的讲解可能还是有点抽象,下面我们用具体的实例来讲解,相信会更加容易理解,具体如下:


  
  
  1. #!usr/bin/env python
  2. #encoding:utf-8
  3. from __future__ import division
  4. '''
  5. __Author__:
  6. 学习Python中的X[:,0]、X[:,1]、X[:,:,0]、X[:,:,1]、X[:,m:n]和X[:,:,m:n]
  7. '''
  8. import numpy as np
  9. def simple_test():
  10. '''
  11. 简单的小实验
  12. '''
  13. data_list=[[ 1, 2, 3],[ 1, 2, 1],[ 3, 4, 5],[ 4, 5, 6],[ 5, 6, 7],[ 6, 7, 8],[ 6, 7, 9],[ 0, 4, 7],[ 4, 6, 0],[ 2, 9, 1],[ 5, 8, 7],[ 9, 7, 8],[ 3, 7, 9]]
  14. # data_list.toarray()
  15. data_list=np.array(data_list)
  16. print 'X[:,0]结果输出为:'
  17. print data_list[:, 0]
  18. print 'X[:,1]结果输出为:'
  19. print data_list[:, 1]
  20. print 'X[:,m:n]结果输出为:'
  21. print data_list[:, 0: 1]
  22. data_list=[[[ 1, 2],[ 1, 0],[ 3, 4],[ 7, 9],[ 4, 0]],[[ 1, 4],[ 1, 5],[ 3, 6],[ 8, 9],[ 5, 0]],[[ 8, 2],[ 1, 8],[ 3, 5],[ 7, 3],[ 4, 6]],
  23. [[ 1, 1],[ 1, 2],[ 3, 5],[ 7, 6],[ 7, 8]],[[ 9, 2],[ 1, 3],[ 3, 5],[ 7, 67],[ 4, 4]],[[ 8, 2],[ 1, 9],[ 3, 43],[ 7, 3],[ 43, 0]],
  24. [[ 1, 22],[ 1, 2],[ 3, 42],[ 7, 29],[ 4, 20]],[[ 1, 5],[ 1, 20],[ 3, 24],[ 17, 9],[ 4, 10]],[[ 11, 2],[ 1, 110],[ 3, 14],[ 7, 4],[ 4, 2]]]
  25. data_list=np.array(data_list)
  26. print 'X[:,:,0]结果输出为:'
  27. print data_list[:,:, 0]
  28. print 'X[:,:,1]结果输出为:'
  29. print data_list[:,:, 1]
  30. print 'X[:,:,m:n]结果输出为:'
  31. print data_list[:,:, 0: 1]
  32. if __name__ == '__main__':
  33. simple_test()


结果如下:



  
  
  1. X[:,0]结果输出为:
  2. [1 1 3 4 5 6 6 0 4 2 5 9 3]
  3. X[:,1]结果输出为:
  4. [2 2 4 5 6 7 7 4 6 9 8 7 7]
  5. X[:,m:n]结果输出为:
  6. [[1]
  7. [1]
  8. [3]
  9. [4]
  10. [5]
  11. [6]
  12. [6]
  13. [0]
  14. [4]
  15. [2]
  16. [5]
  17. [9]
  18. [3]]
  19. X[:,:,0]结果输出为:
  20. [[ 1 1 3 7 4]
  21. [ 1 1 3 8 5]
  22. [ 8 1 3 7 4]
  23. [ 1 1 3 7 7]
  24. [ 9 1 3 7 4]
  25. [ 8 1 3 7 43]
  26. [ 1 1 3 7 4]
  27. [ 1 1 3 17 4]
  28. [11 1 3 7 4]]
  29. X[:,:,1]结果输出为:
  30. [[ 2 0 4 9 0]
  31. [ 4 5 6 9 0]
  32. [ 2 8 5 3 6]
  33. [ 1 2 5 6 8]
  34. [ 2 3 5 67 4]
  35. [ 2 9 43 3 0]
  36. [ 22 2 42 29 20]
  37. [ 5 20 24 9 10]
  38. [ 2 110 14 4 2]]
  39. X[:,:,m:n]结果输出为:
  40. [[[ 1]
  41. [ 1]
  42. [ 3]
  43. [ 7]
  44. [ 4]]
  45. [[ 1]
  46. [ 1]
  47. [ 3]
  48. [ 8]
  49. [ 5]]
  50. [[ 8]
  51. [ 1]
  52. [ 3]
  53. [ 7]
  54. [ 4]]
  55. [[ 1]
  56. [ 1]
  57. [ 3]
  58. [ 7]
  59. [ 7]]
  60. [[ 9]
  61. [ 1]
  62. [ 3]
  63. [ 7]
  64. [ 4]]
  65. [[ 8]
  66. [ 1]
  67. [ 3]
  68. [ 7]
  69. [43]]
  70. [[ 1]
  71. [ 1]
  72. [ 3]
  73. [ 7]
  74. [ 4]]
  75. [[ 1]
  76. [ 1]
  77. [ 3]
  78. [17]
  79. [ 4]]
  80. [[11]
  81. [ 1]
  82. [ 3]
  83. [ 7]
  84. [ 4]]]
  85. [Finished in 0.6s]
     

猜你喜欢

转载自blog.csdn.net/m0_37592397/article/details/89024078