ndarray支持在多維數(shù)組上的切片操作。為了方便起見(jiàn)，我們可以用一個(gè)省略號(hào)（...）來(lái)

表示遍歷剩下的維度。

（1）舉例來(lái)說(shuō)，我們先用arange函數(shù)創(chuàng)建一個(gè)數(shù)組并改變其維度，使之變成一個(gè)三維數(shù)組：

>>>b=np.arange(24).reshape(2,3,4)

>>> b.shape

(2L, 3L, 4L)

>>> b

array([[[ 0,  1, 2,  3],

        [ 4, 5,  6,  7],

        [ 8, 9, 10, 11]],

       [[12, 13, 14, 15],

        [16, 17, 18, 19],

        [20, 21, 22, 23]]])

多維數(shù)組b中有0~23的整數(shù)，共24個(gè)元素，是一個(gè)2×3×4的三維數(shù)組。我們可以形象地把它看做一個(gè)兩層樓建筑，每層樓有12個(gè)房間，并排列成3行4列?；蛘?，我們也可以將其看成是電子表格中工作表（sheet）、行和列的關(guān)系。你可能已經(jīng)猜到，reshape函數(shù)的作用是改變數(shù)組的“形狀”，也就是改變數(shù)組的維度，其參數(shù)為一個(gè)正整數(shù)元組，分別指定數(shù)組在每個(gè)維度上的大小。如果指定的維度和數(shù)組的元素?cái)?shù)目不相吻合，函數(shù)將拋出異常。

（2）我們可以用三維坐標(biāo)來(lái)選定任意一個(gè)房間，即樓層、行號(hào)和列號(hào)。例如，選定第1層樓、第1行、第1列的房間（也可以說(shuō)是第0層樓、第0行、第0列，這只是習(xí)慣問(wèn)題），可以這樣表示：

>>>b[0,0,0]

0

(3)如果我們不關(guān)心樓層，也就是說(shuō)要選取所有樓層的第1行、第1列的房間，那么可以將第1個(gè)下標(biāo)用英文標(biāo)點(diǎn)的冒號(hào):來(lái)代替：

>>>b[:,0,0]

array([0, 12])

>>>b[0]

array([[0,  1, 2,  3],

       [ 4, 5,  6,  7],

       [ 8, 9, 10, 11]])

我們還可以這樣寫，選取第1層樓的所有房間：

>>>b[0,:,:]

array([[0,  1, 2,  3],

       [ 4, 5,  6,  7],

       [ 8, 9, 10, 11]])

多個(gè)冒號(hào)可以用一個(gè)省略號(hào)（...）來(lái)代替，因此上面的代碼等價(jià)于：

>>>b[0,...]

array([[0,  1, 2,  3],

       [ 4, 5,  6,  7],

       [ 8, 9, 10, 11]])

進(jìn)而可以選取第1層樓、第2排的所有房間：

>>>b[0,1]

array([4,5, 6, 7])

(4) 再進(jìn)一步，我們可以在上面的數(shù)組切片中間隔地選定元素：

>>>b[0,1,::2]

array([4,6])

(5) 如果要選取所有樓層的位于第2列的房間，即不指定樓層和行號(hào)，用如下代碼即可：

>>>b[...,1]

array([[1,  5, 9],

       [13, 17, 21]])

類似地，我們可以選取所有位于第2行的房間，而不指定樓層和列號(hào)：

>>>b[:,1]

array([[4,  5, 6,  7],

       [16, 17, 18, 19]])

如果要選取第1層樓的所有位于第2列的房間，在對(duì)應(yīng)的兩個(gè)維度上指定即可：

>>>b[0,:,1]

array([1,5, 9])

(6)如果要選取第1層樓的最后一列的所有房間，使用如下代碼：

>>>b[0,:,-1]

array([3,  7, 11])

如果要反向選取第1層樓的最后一列的所有房間，使用如下代碼：

>>>b[0,::-1,-1]

array([11,  7,  3])

在該數(shù)組切片中間隔地選定元素：

>>>b[0,::2,-1]

array([3, 11])

如果在多維數(shù)組中執(zhí)行翻轉(zhuǎn)一維數(shù)組的命令，將在最前面的維度上翻轉(zhuǎn)元素的順序，在我們

的例子中將把第1層樓和第2層樓的房間交換：

>>>b[::-1]

array([[[12,13, 14, 15],

        [16, 17, 18, 19],

        [20, 21, 22, 23]],

       [[ 0, 1,  2,  3],

        [ 4, 5,  6,  7],

        [ 8, 9, 10, 11]]])

剛才做了些什么

我們用各種方法對(duì)一個(gè)NumPy多維數(shù)組進(jìn)行了切片操作。