Question

我在这里阅读了一些关于将切片与消极步幅相结合的答案，但以下问题仍然让我感到困惑。在几个地方，我已经看到下面的图表用于说明切片符号的工作原理（指间隙，而不是条目）：

 +---+---+---+---+
 | T | e | s | t |
 +---+---+---+---+
 0   1   2   3   4
-4  -3  -2  -1

这些示例与上图一致：

>>> "Test"[2:]
'st'

>>> "Test"[-2:]
'st'

但是

>>> "Test"[-2::-1]
'seT'

似乎不一致 - 如果从-2分隔符开始，并向后计数，为什么s也包含在返回的字符串中？

Answer 1

因此，您拥有的心理模型仅对正步幅值有用，但在使用负步幅时无效。请改用以下图片：

  +---+---+---+---+
  | T | e | s | t |
  +---+---+---+---+
    0   1   2   3   4
-5 -4  -3  -2  -1

您标记索引，不边界。

边界模型很好，但只是为了更容易忘记结果索引未包含在结果值中的事实。通过仅对索引编号并省略结束索引，您可以看到正向和反向步幅如何工作。

有关细节的详细信息，请查看官方文档，了解Python计算切片的方式;来自sequence type notes（注5）：

s[i:j:k]
从步骤s i到j的{{1}}切片被定义为索引k的项目序列，x = i + n*k。换句话说，索引是0 <= n < (j-i)/k，i，i+k，i+2*k等等，在达到i+3*k时停止（但从不包括{{1} }}）。如果j或j大于i，请使用j。如果省略len(s)或len(s)或i，则它们会变为“结束”值（结束取决于j的符号）。请注意，None不能为零。如果k为k，则会将其视为k。

因此，对于你的消极步伐，价值变为：

None

其中1是'end'，这里是-1，因为那是你在负面步骤中用完字符串的点。然后指数成为：

i = len(s) - 2 = 2 
j = None = -1 (end for negative strides, *not* len(s) - 1)
k = -1

给你3个指数。

Answer 2

如果"Test"[-2:]包含s，则按照相同的逻辑，它会在s中包含"Test"[-2::-1]，因为范围包含第一个位置但不包括第二个位置位置。

Python切片和消极步幅 - 为什么这些例子显然是矛盾的？

2 个答案: