Indexación dimensional
Lección 13 de 18 del curso Fundamentos de Numpy de Coddy.
Numpy soporta una herramienta extremadamente potente: la indexación de dimensiones.
Para indexar dimensiones utilizamos los dos puntos :. Los dos puntos toman todos los elementos en el índice específico donde se colocan. Por ejemplo, supongamos que tenemos un array con la forma ary.shape # --> (2, 1, 3, 1), colocar los dos puntos : en ary[:, 0, 0, 0] tomará los dos elementos situados más a la izquierda de la forma y, para cada uno de ellos, extraerá el elemento cero para el resto de las dimensiones.
Nota: La ubicación de los dos puntos en los corchetes [] es la dimensión que estamos indexando, es decir:
ary[:, 0, 0, 0]Indexa la dimensión 4Dary[0, :, 0, 0]Indexa la dimensión 3Dary[0, 0, :, 0]Indexa la dimensión 2Dary[0, 0, 0, :]Indexa la dimensión 1Dary[:, :, 0, 0]Indexa las dimensiones 4D y 3D- etc
Ejemplo 1
ary = np.array([
[1, 2],
[3, 4]
])
ary[:, 0] # --> [1, 3]
ary[0, :] # --> [1, 2]Los dos puntos toman todos los elementos en el índice especificado y continúan al siguiente índice.
En nuestro caso:
ary[:, 0]Tomamos todos los primeros elementos y en cada elemento tomamos el elemento 0ary[0, :]Tomamos el primer elemento y en ese elemento tomamos todos los elementos.
Ejemplo 2
Array 3D
ary = np.array([
[[1, 2], [3, 4]],
[[5, 6], [7, 8]]
])
ary[:, 0, :] # --> [[1, 2], [5, 6]]
ary[:, :, 0] # --> [[1, 3], [5, 7]]ary[:, 0, :]Tomamos todos los elementos, luego tomamos el primer elemento y finalmente tomamos todo lo que hay allíary[:, :, 0]Tomamos todos los elementos, luego tomamos todos estos elementos y finalmente tomamos el primer elemento de cada uno.- ¿Puedes adivinar cuál es la salida para
ary[0, :, :]?
Ejemplo 3
Obtener el primer y último índice de cada fila
x = np.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],
])
x[:, np.array([0, -1])]
>>> [0, 5, 6, 11, 12, 17, 18, 23]Ejemplo 4
Un array con la forma (2, 1, 3, 1) tal como en el ejemplo inicial
ary = np.array([
[
[
[1],[2],[3]
]
],
[
[
[4],[5],[6]
]
]
])
ary[:, 0, 0, 0] # --> [1, 4]
ary[0, :, 0, 0] # --> [1]
ary[0, 0, :, 0] # --> [1, 2, 3]
ary[0, 0, 0, :] # --> [1]Nota: también es posible utilizar la sintaxis de segmentación (slicing): start:stop:step que aprendimos en la lección de Slicing
ary[:, 0:5, 2:3, :]
Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Esta lección incluye un breve cuestionario. Empieza la lección para responderlo y registrar tu progreso.
Desafío
FácilDado un array 3D ary, recupera el 2.º, 3.er y 4.º número de cada array 1D
Pruébalo tú mismo
import numpy as np
'''
ary looks like:
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],
[30, 31, 32, 33, 34, 35, 36, 37, 38, 39]],
[[40, 41, 42, 43, 44, 45, 46, 47, 48, 49],
[50, 51, 52, 53, 54, 55, 56, 57, 58, 59]],
[[60, 61, 62, 63, 64, 65, 66, 67, 68, 69],
[70, 71, 72, 73, 74, 75, 76, 77, 78, 79]],
[[80, 81, 82, 83, 84, 85, 86, 87, 88, 89],
[90, 91, 92, 93, 94, 95, 96, 97, 98, 99]]])
'''
ary = np.arange(0, 100).reshape(5, 2, 10) # don't change ary
res = ary[] # <-- Complete indices
print(str(res).replace("\n", "")) # don't change this lineTodas las lecciones de Fundamentos de Numpy
2Creación de arreglos N-dimensionales
Dimensiones superioresComprendiendo las formasLlenar con valores fijosTipos de NumPyRangoRedimensionar3Indexación de Arrays de Numpy
Indexación básicaSlicingIndexación de arraysIndexación dimensionalIndexación booleanaIndexación con múltiples condiciones