如何按列访问一个NumPy数组

通过一个特定的Column索引访问一个基于NumPy的数组可以通过索引来实现。NumPy遵循Python中基于0的标准索引。

示例:

考虑数组:

            1 13 6
             9  4 7
             19 16 2

输入 : print(NumPy_array_name[ :,2])
输出: [6 7 2]
解释: printing 3rd column

**在Python中访问一个二维Numpy数组的第i列 **

打印第一行和第二列。

For column : numpy_Array_name[ : , column ]
For row : numpy_Array_name[ row, : ]

import numpy as np
 
array = [[1, 13, 6], [9, 4, 7], [19, 16, 2]]
 
# defining array
arr = np.array(array)
 
print('printing 0th row')
print(arr[0, :])
 
print('printing 2nd column')
print(arr[:, 2])
 
# multiple columns or rows can be selected as well
print('selecting 0th and 1st row simultaneously')
print(arr[:,[0,1]])

输出 :

printing 0th row
[ 1 13  6]

printing 2nd column
[6 7 2]

selecting 0th and 1st row simultaneously
[[ 1 13]
 [ 9  4]
 [19 16]]

使用转置法访问Numpy数组的第i列

使用.T属性对给定的数组进行转置，并传递索引作为切片索引来打印数组。

import numpy as np
 
arr = np.array([[1, 13, 6], [9, 4, 7], [19, 16, 2]])
 
# Access the ith column of a 2D NumPy array
column_i = arr.T[2]
 
#printing the column
print(column_i)

输出:

[6 7 2]

使用列表理解法访问Numpy数组的第i列

在这里，我们访问行中的第i个元素，用列表理解法将其追加到一个列表中，并打印出col。

import numpy as np
 
arr = np.array([[1, 13, 6], [9, 4, 7], [19, 16, 2]])
 
# Access the ith column of a 2D NumPy array
col = [row[1] for row in arr]
 
# printing the column
print(col)

输出:

[13, 4, 16]

使用Ellipsis访问Numpy数组的第i列

传递第i个索引和省略号来打印返回的数组列。

For column : numpy_Array_name[ ... ,column]
For row : numpy_Array_name[row, ... ]
其中,...表示在给定的行或列中的元素数量。

注意：这不是一个非常_实用的方法，但必须尽可能多地了解。

import numpy as np
 
# defining array
array = [[1, 13, 6], [9, 4, 7], [19, 16, 2]]
 
# converting to numpy array
arr = np.array(array)
 
print('selecting 0th column')
print(arr[..., 0])
 
print('selecting 1st row')
print(arr[1, ...])

输出:

selecting 0th column
[ 1  9 19]

selecting 1st row
[9 4 7]