目录

相关阅读

方法一：使用切片操作

方法二：使用高级索引

 方法三：使用条件筛选

 方法四：使用 numpy 的 take 函数

---

相关阅读

OpenCV基础：矩阵的创建、检索与赋值-CSDN博客

OpenCV基础：图像运算-CSDN博客

---

以下是使用 numpy 获取子矩阵的几种常见方法：

方法一：使用切片操作

import numpy as np# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])sub_matrix = matrix[0:2, 0:2]
print(sub_matrix)

 代码解释：

• matrix[0:2, 0:2] 是切片操作，对于二维数组，第一个 0:2 表示行的范围，从第 0 行开始到第 2 行（不包括第 2 行），第二个 0:2 表示列的范围，从第 0 列开始到第 2 列（不包括第 2 列）。
• 切片操作的基本语法是 start:stop:step，其中 start 是起始索引，stop 是结束索引（不包括该索引对应的元素），step 是步长（默认为 1）。

运行结果： 

方法二：使用高级索引

import numpy as np# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])# 使用高级索引获取子矩阵，选取特定的行和列
rows = [0, 2]
cols = [1, 3]
sub_matrix = matrix[np.ix_(rows, cols)]
print(sub_matrix)

代码解释：

• np.ix_ 是 numpy 中的一个函数，它可以将两个一维整数数组转换为一个用于选择矩阵元素的索引器。
• np.ix_(rows, cols) 会生成一个索引器，用于选取 rows 中指定的行和 cols 中指定的列所构成的子矩阵。

 运行结果：

 方法三：使用条件筛选

import numpy as np# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])# 筛选出元素大于 5 的元素所在的行和列形成的子矩阵
sub_matrix = matrix[matrix > 5]
print(sub_matrix)

代码解释：

• matrix > 5 会生成一个布尔型的数组，其中元素大于 5 的位置为 True，其余为 False。
• 当将这个布尔型数组作为索引时，会选取布尔型数组中为 True 的元素，在二维矩阵中，会返回一个一维数组，包含了满足条件的元素。 

 运行结果：

 方法四：使用 numpy 的 take 函数

import numpy as np# 创建一个示例矩阵
matrix = np.array([[1, 2, 3, 4],[5, 6, 7, 8],[9, 10, 11, 12],[13, 14, 15, 16]])# 使用 take 函数获取子矩阵，选取第 0 行和第 2 行，第 1 列和第 3 列
sub_matrix = np.take(np.take(matrix, [0, 2], axis=0), [1, 3], axis=1)
print(sub_matrix)

代码解释：

• np.take(matrix, [0, 2], axis=0) 首先从矩阵matrix中选取第 0 行和第 2 行，得到一个新的矩阵。
• 然后 np.take(result, [1, 3], axis=1) 从新得到的矩阵中选取第 1 列和第 3 列，最终得到所需的子矩阵。

运行效果：

这些方法各有特点，可以根据不同的需求选择使用。切片操作最为直观和常用，适用于已知具体行和列范围的情况；高级索引 np.ix_ 可以灵活地选取不连续的行和列；条件筛选适用于根据元素的值来选取元素；np.take 函数在需要根据行和列的索引列表选取元素时比较方便。