Python numpy.ndarray.item函数方法的使用

numpy.ndarray.item

ndarray.item(*args)

将数组的元素复制到标准Python标量(scalar)并返回。

Notes

当a的数据类型为longdouble或clongdouble时，item()返回一个标量数组对象，因为没有可用的Python标量不会丢失信息。 除非定义了字段，否则无效数组将为item()返回一个缓冲区对象，在这种情况下，将返回一个元组。

item与a[args]非常相似，除了返回标准的Python标量而不是数组标量。 这有助于加快对数组元素的访问，并使用Python的优化数学对数组元素进行算术运算。

例子

1）从单元素数组中提取元素

import numpy as np

# 创建一个单元素数组
arr = np.array([42])

# 提取该元素
result = arr.item()
print(result)

2）使用一维索引访问元素

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 按展平后的索引访问（第3个元素，索引为2）
result = arr.item(2)
print(result)

3）使用多维索引访问元素

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

# 按二维索引访问 (1, 1) 位置的元素
result = arr.item(1, 1)
print(result)

4）错误示例（索引超出范围）

import numpy as np

# 创建一个二维数组
arr = np.array([[1, 2, 3], [4, 5, 6]])

try:
    # 索引超出范围会引发 IndexError
    result = arr.item(10)
except IndexError as e:
    print(f"错误：{e}")

5）使用示例

import numpy as np

# 设置随机种子以确保结果可重复
np.random.seed(123)

# 创建一个 3x3 的随机整数数组
x = np.random.randint(9, size=(3, 3))

# 打印数组
print("数组 x:")
print(x)

# 使用 item() 方法提取特定索引处的元素
print("\n第 3 个元素（按展平后的索引）:", x.item(3))
print("第 7 个元素（按展平后的索引）:", x.item(7))

# 使用多维索引提取元素
print("\n元素 (0, 1) 处的值:", x.item((0, 1)))
print("元素 (2, 2) 处的值:", x.item((2, 2)))