Question

我有一部分维特比算法，我想操纵它。我需要理解这段代码中的切片部分：

import numpy as np

A = np.array([[0.6, 0.2, 0.2], [0.5, 0.3, 0.2], [0.4, 0.1, 0.5]])
pi = np.array([0.5, 0.2, 0.3])
O = np.array([[0.7, 0.1, 0.2], [0.1, 0.6, 0.3], [0.3, 0.3, 0.4]])

states = UP, DOWN, UNCHANGED = 0, 1, 2
observations = [UP, UP, DOWN]

alpha = np.zeros((len(observations), len(states))) # time steps x states
alpha[:,:] = float('-inf')
backpointers = np.zeros((len(observations), len(states)), 'int')

***alpha[0, :] = pi * O[:,UP]***

在最后一行打印出O [：，UP]应该给我什么： [0.7,0.1,0.2]我相信相反，它给了我：

O[:,UP]
Out[15]: array([ 0.7,  0.1,  0.3])

我试着调查这个Understanding Python's slice notation 我无法理解为什么它会改变数组的最后一个元素。

另外，我运行这个：

O[:,UNCHANGED]
Out[17]: array([ 0.2,  0.3,  0.4])

我仍然是python中的新手，我需要一些帮助

Answer 1

您正在混合列和行的表示法。

您打印O[:,UP]，它会为您提供所有行，而只是＃34; UP＆＃34;列（索引0）。

您的O是：

array([[ 0.7,  0.1,  0.2],
       [ 0.1,  0.6,  0.3],
       [ 0.3,  0.3,  0.4]])

O[:,0]是

         #↓ this column
array([[ 0.7,  0.1,  0.2],
       [ 0.1,  0.6,  0.3],
       [ 0.3,  0.3,  0.4]])

其中O[0,:]将是

array([[ 0.7,  0.1,  0.2], #This row
       [ 0.1,  0.6,  0.3],
       [ 0.3,  0.3,  0.4]])

为了使最后一部分清晰明了，O[:,UNCHANGED]是O[:,2]，就在这里：

                      #↓ this column
array([[ 0.7,  0.1,  0.2],
       [ 0.1,  0.6,  0.3],
       [ 0.3,  0.3,  0.4]])

两个宗派数组切片

1 个答案: