简单的索引值

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

print("第2行的数据:", a[2])

print("第2行第3列的数据:", a[2][3])

输出为：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

第2行的数据: [11 12 13 14]

第2行第3列的数据: 14

对于获取第2行第3列的数据，我们还可以用如下的方式来获取：

print("第2行第3列的数据:", a[2, 3])

数据切片

用冒号索引可以对数据进行切片。

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

print("第2行所有数:", a[2, :])

输出为：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

第2行所有数: [11 12 13 14]

上面用冒号来对数据选择进行了占位。

如果我们想要获得第1列的所有数：

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

print("第1列所有数:", a[:, 1])

输出为第1列的所有数：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

第1列所有数: [ 4  8 12]

获取第1行从第2列到第4列的值：

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

print("第1行从第2列到第4列的值:", a[1, 2:4])

输出为：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

第1行从第1列到第2列的值: [ 9 10]

把数据变平

把数据变平的意思是：如果是多维数组，则把数组中的每个元素平铺开来，变成一维数据，这样便于用索引值进行访问。

例如：

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

print("flatten=", a.flatten())

输出：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

flatten= [ 3  4  5  6  7  8  9 10 11 12 13 14]

也可以用a.flat返回一个迭代器来变量其中的元素：

import numpy as np

a = np.arange(3, 15).reshape(3, 4)

print("a=")

print(a)

for v in a.flat:

    print(v, end=',')

输出为：

a=

[[ 3  4  5  6]

 [ 7  8  9 10]

 [11 12 13 14]]

3,4,5,6,7,8,9,10,11,12,13,14,