python基础知识之索引与切片详解
更新时间：2022年05月14日 12:00:35 作者：编程学习网
在python的学习过程,有些同学对索引和切换会感到困惑,今天我们就来弄清楚它,下面这篇文章主要给大家介绍了关于python基础知识之索引与切片的相关资料,需要的朋友可以参考下
基本索引
In [4]: sentence = 'You are a nice girl'In [5]: L = sentence.split()In [6]: LOut[6]: ['You', 'are', 'a', 'nice', 'girl'] # 从0开始索引In [7]: L[2]Out[7]: 'a' # 负数索引，从列表右侧开始计数In [8]: L[-2]Out[8]: 'nice' # -1表示列表最后一项In [9]: L[-1]Out[9]: 'girl' # 当正整数索引超过返回时In [10]: L[100]---------------------------------------------------------------------------IndexError Traceback (most recent call last) <ipython-input-10-78da2f882365> in <module>()----> 1 L[100]IndexError: list index out of range# 当负整数索引超过返回时In [11]: L[-100]---------------------------------------------------------------------------IndexError Traceback (most recent call last) <ipython-input-11-46b47b0ecb55> in <module>()----> 1 L[-100]IndexError: list index out of range# slice 索引In [193]: sl = slice(0,-1,1)In [194]: L[sl]Out[194]: ['You', 'are', 'a', 'nice']In [199]: sl = slice(0,100)In [200]: L[sl]Out[200]: ['You', 'are', 'a', 'nice', 'girl']
嵌套索引
In [14]: L = [[1,2,3],{'I':'You are a nice girl','She':'Thank you!'},(11,22),'My name is Kyles']
In [15]: L
Out[15]:
[[1, 2, 3],
{'I': 'You are a nice girl', 'She': 'Thank you!'},
(11, 22),
'My name is Kyles']# 索引第1项，索引为0In [16]: L[0]
Out[16]: [1, 2, 3]# 索引第1项的第2子项In [17]: L[0][1]
Out[17]: 2# 索引第2项词典In [18]: L[1]
Out[18]: {'I': 'You are a nice girl', 'She': 'Thank you!'}# 索引第2项词典的 “She”In [19]: L[1]['She']
Out[19]: 'Thank you!'# 索引第3项In [20]: L[2]
Out[20]: (11, 22)# 索引第3项，第一个元组In [22]: L[2][0]
Out[22]: 11# 索引第4项In [23]: L[3]
Out[23]: 'My name is Kyles'# 索引第4项，前3个字符In [24]: L[3][:3]
Out[24]: 'My '切片
# 切片选择,从1到列表末尾In [13]: L[1:]Out[13]: ['are', 'a', 'nice', 'girl']# 负数索引，选取列表后两项In [28]: L[-2:]Out[28]: ['nice', 'girl']# 异常测试,这里没有报错！In [29]: L[-100:]Out[29]: ['You', 'are', 'a', 'nice', 'girl']# 返回空In [30]: L[-100:-200]Out[30]: []# 正向索引In [32]: L[-100:3]Out[32]: ['You', 'are', 'a']# 返回空In [33]: L[-1:3]Out[33]: []# 返回空In [41]: L[0:0]Out[41]: []
看似简单的索引，有的人不以为然，我们这里采用精准的数字索引，很容易排查错误。若索引是经过计算出的一个变量，就千万要小心了，否则失之毫厘差之千里。
numpy.array 索引 一维
In [34]: import numpy as npIn [35]: arr = np.arange(10)In [36]: arrOut[36]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])In [40]: arr.shapeOut[40]: (10,)# [0,1) In [37]: arr[0:1]Out[37]: array([0])# [0,0) In [38]: arr[0:0]Out[38]: array([], dtype=int32)# 右侧超出范围之后In [42]: arr[:1000]Out[42]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# 左侧超出之后In [43]: arr[-100:1000]Out[43]: array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])# 两侧都超出In [44]: arr[100:101]Out[44]: array([], dtype=int32)# []In [45]: arr[-100:-2]Out[45]: array([0, 1, 2, 3, 4, 5, 6, 7])# []In [46]: arr[-100:-50]Out[46]: array([], dtype=int32)
numpy.array 索引 二维
In [49]: arr = np.arange(15).reshape(3,5)
In [50]: arr
Out[50]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
In [51]: arr.shape
Out[51]: (3, 5)
# axis = 0 增长的方向
In [52]: arr[0]
Out[52]: array([0, 1, 2, 3, 4])
# 选取第2行
In [53]: arr[1]
Out[53]: array([5, 6, 7, 8, 9])
# axis = 1 增长的方向，选取每一行的第1列
In [54]: arr[:,0]
Out[54]: array([ 0, 5, 10])
# axis = 1 增长的方向，选取每一行的第2列
In [55]: arr[:,1]
Out[55]: array([ 1, 6, 11])
# 选取每一行的第1,2列
In [56]: arr[:,0:2]
Out[56]:
array([[ 0, 1],
[ 5, 6],
[10, 11]])
# 右侧超出范围之后
In [57]: arr[:,0:100]
Out[57]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
# 左侧超出范围之后
In [62]: arr[:,-10:2]
Out[62]:
array([[ 0, 1],
[ 5, 6],
[10, 11]])
# []
In [58]: arr[:,0:0]
Out[58]: array([], shape=(3, 0), dtype=int32)
# []
In [59]: arr[0:0,0:1]
Out[59]: array([], shape=(0, 1), dtype=int32)
# 异常
In [63]: arr[:,-10]---------------------------------------------------------------------------IndexError Traceback (most recent call last)
<ipython-input-63-2ffa6627dc7f> in <module>()----> 1 arr[:,-10]IndexError: index -10 is out of bounds for axis 1 with size 5numpy.array 索引 三维…N维
In [67]: import numpy as np
In [68]: arr = np.arange(30).reshape(2,3,5)
In [69]: arr
Out[69]:
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, 24],
[25, 26, 27, 28, 29]]])
# 根据 axis = 0 选取
In [70]: arr[0]
Out[70]:
array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14]])
In [71]: arr[1]
Out[71]:
array([[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24],
[25, 26, 27, 28, 29]])
# 根据 axis = 1 选取
In [72]: arr[:,0]
Out[72]:
array([[ 0, 1, 2, 3, 4],
[15, 16, 17, 18, 19]])
In [73]: arr[:,1]
Out[73]:
array([[ 5, 6, 7, 8, 9],
[20, 21, 22, 23, 24]])
# 异常指出 axis = 1 超出范围
In [74]: arr[:,4]---------------------------------------------------------------------------IndexError Traceback (most recent call last)
<ipython-input-74-9d489478e7c7> in <module>()----> 1 arr[:,4]IndexError: index 4 is out of bounds for axis 1 with size 3 # 根据 axis = 2 选取
In [75]: arr[:,:,0]
Out[75]:
array([[ 0, 5, 10],
[15, 20, 25]])
# 降维
In [76]: arr[:,:,0].shape
Out[76]: (2, 3)
In [78]: arr[:,:,0:2]
Out[78]:
array([[[ 0, 1],
[ 5, 6],
[10, 11]], [[15, 16],
[20, 21],
[25, 26]]])
In [79]: arr[:,:,0:2].shape
Out[79]: (2, 3, 2)
# 左/右侧超出范围
In [81]: arr[:,:,0:100]
Out[81]:
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, 24],
[25, 26, 27, 28, 29]]])
# 异常 axis = 0In [82]: arr[100,:,0:100]---------------------------------------------------------------------------IndexError Traceback (most recent call last)
<ipython-input-82-21efcc74439d> in <module>()----> 1 arr[100,:,0:100]IndexError: index 100 is out of bounds for axis 0 with size 2pandas Series 索引
In [84]: s = pd.Series(['You','are','a','nice','girl'])In [85]: sOut[85]:0 You1 are2 a3 nice4 girl
dtype: object# 按照索引选择In [86]: s[0]Out[86]: 'You'# []In [87]: s[0:0]Out[87]: Series([], dtype: object)In [88]: s[0:-1]Out[88]:0 You1 are2 a3 nice
dtype: object# 易错点,ix包含区间为 []In [91]: s.ix[0:0]Out[91]:0 You
dtype: objectIn [92]: s.ix[0:1]Out[92]:0 You1 are
dtype: object# ix索引不存在indexIn [95]: s.ix[400]
KeyError: 400# 按照从0开始的索引In [95]: s.iloc[0]Out[95]: 'You'In [96]: s.iloc[1]Out[96]: 'are'In [97]: s.iloc[100]
IndexError: single positional indexer is out-of-boundsIn [98]: s = pd.Series(['You','are','a','nice','girl'], index=list('abcde'))In [99]: sOut[99]:
a You
b are
c a
d nice
e girl
dtype: objectIn [100]: s.iloc[0]Out[100]: 'You'In [101]: s.iloc[1]Out[101]: 'are'# 按照 label 索引In [103]: s.loc['a']Out[103]: 'You'In [104]: s.loc['b']Out[104]: 'are'In [105]: s.loc[['b','a']]Out[105]:
b are
a You
dtype: object# loc切片索引In [106]: s.loc['a':'c']Out[106]:
a You
b are
c a
dtype: objectIn [108]: s.indexOut[108]: Index(['a', 'b', 'c', 'd', 'e'], dtype='object')pandas DataFrame 索引
In [114]: import pandas as pdIn [115]: df = pd.DataFrame({'open':[1,2,3],'high':[4,5,6],'low':[6,3,1]}, index=pd.period_range('30/12/2017',perio
...: ds=3,freq='H'))In [116]: dfOut[116]:
high low open2017-12-30 00:00 4 6 12017-12-30 01:00 5 3 22017-12-30 02:00 6 1 3# 按列索引In [117]: df['high']Out[117]:2017-12-30 00:00 42017-12-30 01:00 52017-12-30 02:00 6Freq: H, Name: high, dtype: int64In [118]: df.highOut[118]:2017-12-30 00:00 42017-12-30 01:00 52017-12-30 02:00 6Freq: H, Name: high, dtype: int64In [120]: df[['high','open']]Out[120]:
high open2017-12-30 00:00 4 12017-12-30 01:00 5 22017-12-30 02:00 6 3In [122]: df.ix[:]
D:\CodeTool\Python\Python36\Scripts\ipython:1: DeprecationWarning:
.ix is deprecated. Please use
.loc for label based indexing or.iloc for positional indexingIn [123]: df.iloc[0:0]Out[123]:Empty DataFrame
Columns: [high, low, open]Index: []In [124]: df.ix[0:0]Out[124]:Empty DataFrame
Columns: [high, low, open]Index: []
# 按照 label 索引In [127]: df.indexOut[127]: PeriodIndex(['2017-12-30 00:00', '2017-12-30 01:00', '2017-12-30 02:00'], dtype='period[H]', freq='H')In [128]: df.loc['2017-12-30 00:00']Out[128]:
high 4low 6open 1Name: 2017-12-30 00:00, dtype: int64
# 检查参数In [155]: df.loc['2017-12-30 00:00:11']Out[155]:
high 4low 6open 1Name: 2017-12-30 00:00, dtype: int64In [156]: df.loc['2017-12-30 00:00:66']
KeyError: 'the label [2017-12-30 00:00:66] is not in the [index]'填坑
In [158]: df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6]}, index=[2,3,4])In [159]: dfOut[159]:
a b2 1 43 2 54 3 6# iloc 取第一行正确用法In [160]: df.iloc[0]Out[160]:
a 1b 4Name: 2, dtype: int64
# loc 正确用法In [165]: df.loc[[2,3]]Out[165]:
a b2 1 43 2 5# 注意此处 index 是什么类型In [167]: df.loc['2']
KeyError: 'the label [2] is not in the [index]'# 索引 Int64IndexOut[172]: Int64Index([2, 3, 4], dtype='int64')
# 索引为字符串In [168]: df = pd.DataFrame({'a':[1,2,3],'b':[4,5,6]}, index=list('234'))In [169]: dfOut[169]:
a b2 1 43 2 54 3 6In [170]: df.indexOut[170]: Index(['2', '3', '4'], dtype='object')
# 此处没有报错，千万注意 index 类型In [176]: df.loc['2']Out[176]:
a 1b 4Name: 2, dtype: int64
# ix 是一个功能强大的函数，但是争议却很大，往往是错误之源
# 咦，怎么输出与预想不一致！In [177]: df.ix[2]
D:\CodeTool\Python\Python36\Scripts\ipython:1: DeprecationWarning:
.ix is deprecated. Please use
.loc for label based indexing or.iloc for positional indexing
See the documentation here:
http://pandas.pydata.org/pandas-docs/stable/indexing.html#ix-indexer-is-deprecatedOut[177]:
a 3b 6Name: 4, dtype: int64
# 注意开闭区间In [180]: df.loc['2':'3']Out[180]:
a b2 1 43 2 5总结
pandas中ix是错误之源，大型项目大量使用它时，往往造成不可预料的后果。0.20.x版本也标记为抛弃该函数，二义性 和 []区间，违背 “Explicit is better than implicit.” 原则。建议使用意义明确的 iloc和loc 函数。
当使用字符串时切片时是 []区间 ，一般是 [)区间
当在numpy.ndarry、list、tuple、pandas.Series、pandas.DataFrame 混合使用时，采用变量进行索引或者切割，取值或赋值时，别太自信了，千万小心错误，需要大量的测试。
我在工程中使用matlab的矩阵和python混合使用以上对象，出现最多就是shape不对应，index，columns 错误。
最好不要混用不同数据结构，容易出错，更增加转化的性能开销
到此这篇关于python基础知识之索引与切片的文章就介绍到这了,更多相关python索引与切片内容请搜索脚本之家以前的文章或继续浏览下面的相关文章希望大家以后多多支持脚本之家！
相关文章
这篇文章主要为大家详细介绍了如何使用 wxPython 模块,在 Windows 11 中实现任务栏通知功能,文中的示例代码简洁易懂,感兴趣的小伙伴可以跟随小编一起学习一下2023-10-10
这篇文章主要介绍了Python如何实现微信机器人,文中通过示例代码介绍的非常详细，对大家的学习或者工作具有一定的参考学习价值,需要的朋友可以参考下2021-12-12
Python异步与定时任务是Python编程中常用的两种技术，异步任务可用于高效处理I/O密集型任务，提高程序并发性；定时任务可用于定时执行计划任务，提高程序的执行效率。这两种技术的应用有助于提升Python程序的性能和效率2023-05-05
今天小编就为大家分享一篇使用Python中的reduce()函数求积的实例，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧2019-06-06
这篇文章主要介绍了python中的列表推导,需要的朋友可以参考下2014-04-04
在本篇文章里小编给大家整理的是一篇关于python爬虫使用scrapy注意事项的相关文章，对此有兴趣的朋友们可以学习下。2020-11-11
这篇文章主要介绍了Python设计模式之组合模式,结合具体实例形式分析了Python组合模式的相关概念、原理、定义及使用方法,需要的朋友可以参考下2019-01-01
本文将为大家介绍两个用Python语言实现的小案例：猜拳游戏与数字猜猜猜小游戏，文中的示例代码讲解详细，感兴趣的小伙伴可以了解一下2022-04-04
pickle提供了一个简单的持久化功能。可以将对象以文件的形式存放在磁盘上,pickle序列化后的数据，可读性差，人一般无法识别，本文详细介绍了pickle模块的使用方法2021-10-10
这篇文章主要介绍了用浏览器访问python写的服务器程序，本文通过实例代码,需要的朋友可以参考下2019-10-10
最新评论