NumPy（索引、array合并与分割）

一、Numpy索引

1. 一维索引

import numpy as np
A = np.arange(3,15)
# array([3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14])
         
print(A[3])    # 6

2. 二维索引

A = np.arange(3,15).reshape((3,4))
"""
array([[ 3,  4,  5,  6]
       [ 7,  8,  9, 10]
       [11, 12, 13, 14]])
"""
         
print(A[2])         # [11 12 13 14]

• 二维索引取值

print(A[1][1])      # 8

• 切片操作
  注：1:3表示对第2到第4进行切片输出（不包含第4）

print(A[1, 1])      # 8
print(A[1, 1:3])    # [8 9]

二、array 合并

1. np.vstack() 上下合并

• vertical stack本身属于一种上下合并，即对括号中的两个整体进行对应操作。

import numpy as np
A = np.array([1,1,1])
B = np.array([2,2,2])
         
print(np.vstack((A,B)))    # vertical stack
"""
[[1,1,1]
 [2,2,2]]
"""

• 利用shape函数可以让我们很容易地知道A和C的属性，从打印出的结果来看，A仅仅是一个拥有3项元素的数组（数列），而合并后得到的C是一个2行3列的矩阵。

C = np.vstack((A,B))      
print(A.shape,C.shape)
# (3,) (2,3)

2. np.hstack() 左右合并

D = np.hstack((A,B))       # horizontal stack

print(D)
# [1,1,1,2,2,2]

print(A.shape,D.shape)
# (3,) (6,)

• 通过打印出的结果可以看出：D本身来源于A，B两个数列的左右合并，而且新生成的D本身也是一个含有6项元素的序列。