python切片多维数组

Question

任何人都可以解释下面的命令（<---）如何在python numpy中运行

r = np.arange(36)
r.resize(6,6)

r.reshape(36)[::7] # <---

Answer 1

您只需逐个运行命令并分析其输出：

• 创建第一个[0, 35]个数字的列表。

  >>> r = np.arange(36)
  >>> r
  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])
  

• 将就地列表重新整形为6 x 6数组：

  >>> r.resize(6,6)  # equivalent to r = r.reshape(6,6)
  >>> r
  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]])
  

• 将矢量r重塑为1维向量

  >>> tmp = r.reshape(36)
  

  上面的

  tmp与第一步中的r完全相同

• 过滤每个7 元素

  >>> tmp[::7]
  array([ 0,  7, 14, 21, 28, 35])
  

  切片/索引表示为i:j:k，其中i = from，j = to和k = step。因此，5:10:2意味着从元素5到10的，每两步给我元素。如果i不存在，则假定它来自数组的开头。如果j不存在，则假定直到数组结束。如果k不存在，则假定步长为1（范围内的所有元素）。

综上所述，您可以在一行中将您的示例重写为：

>>> np.arange(36)[::7]

或者如果你已经有r，那就是N维：

>>> r.ravel()[::7]

此处ravel将返回r的一维视图（首选reshape(36)）。

如果您想了解有关切片的更多信息，请参阅numpy documentation。

Answer 2

首先，您正在使用NumPy ndarray.reshape，它将给定数组重建为指定的形状。在您的情况下，您将它转换为具有36个元素的1维数组。

其次，使用括号之间的数字，数组中的indexing值是。切片包含每个维度的3个值，形式为[number1：number2：number3]。如果将值保留为空（如数字1和2的情况），则将它们保留为默认值，即number1为0，number2为-1（最后一个数组索引），number3为3：

• 第一个数字表示您将开始获取值的数组索引。
• 第二个数字表示您将停止获取值的数组索引。
• 最后，最后一个数字表示每个索引读取后将被忽略的位置数。在您的情况下，您正在阅读每7个索引。

Answer 3

要添加一点，reshape()和resize()方法都具有相同的功能，它们之间唯一的区别是它们如何影响调用数组对象r ：

• r.resize()没有回报。它直接改变了调用数组对象r的形状。
• r.reshape() 返回一个新的重新整形的数组对象。并保留原始r不变。

>>> import numpy as np
>>> r = np.arange(36)
>>> r.shape
(36,)
>>> # 1. --- `reshape()` returns a new object and keep the `r` ---
>>> new = r.reshape(6,6)
>>> new.shape
(6, 6)
>>> 
>>> # 2. --- resize changes `r` directly and returns `None` ---
>>> nothing = r.resize(6,6)
>>> type(nothing)
<class 'NoneType'>
>>> r.shape
(6, 6)