Question

我很难理解一些numpy的切片和索引是如何工作的

第一个是以下内容：

>>> x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
>>> x.shape
(2, 3, 1)
>>> x[1:2]
array([[[4],
        [5],
        [6]]])

根据documentation，

如果选择元组中的对象数小于N，则：假定任何后续维度。

那么这意味着[[1], [2], [3]] , [[4], [5], [6]]本身是一个2x3数组吗？

怎么做

x[1:2]

返回

array([[[4],
        [5],
        [6]]])

第二个是省略号，

>>> x[...,0]
array([[1, 2, 3],
       [4, 5, 6]])

省略号扩展为：进行选择所需的对象数量与x.ndim长度相同的元组。可能只有一个省略号存在。

为什么[...,0]意味着什么？

Answer 1

对于您的第一个问题，这意味着x形状（2,3,1）有2个3x1数组切片。

In [40]: x
Out[40]: 
array([[[1],
        [2],          # <= slice 1 of shape 3x1
        [3]],

       [[4],
        [5],          # <= slice 2 of shape 3x1
        [6]]])

现在，当您执行x[1:2]时，它只会将您移到第一个切片上但不包括第二个切片，因为在Python＆amp; NumPy它始终保持包容性和正确的排他性（类似半开区间，即[1,2]）

In [42]: x[1:2]
Out[42]: 
array([[[4],
        [5],
        [6]]])

这就是你得到第一片的原因。

关于第二个问题，

In [45]: x.ndim
Out[45]: 3

因此，当您使用省略号时，它只会将数组拉伸到3号。

In [47]: x[...,0]
Out[47]: 
array([[1, 2, 3],
       [4, 5, 6]])

上面的代码意味着，您从数组x中获取两个切片，然后逐行拉伸。

但相反，如果你这样做

In [49]: x[0, ..., 0]
Out[49]: array([1, 2, 3])

在这里，您只需从x获取第一个切片并按行拉伸。

Answer 2

现在，当您执行x [1：2]时，它只会将您交给第一个切片。

我的问题是不是应该第二片。由于输出是切片2

In [42]: x[1:2]
Out[42]: 
array([[[4],
        [5],
        [6]]])

numpy三维切片和索引以及省略号如何工作？

2 个答案: