在numpy数组中切片与在Python中切片列表之间有什么区别？

Question

如果curr_frames是一个numpy数组，那么最后一行是什么意思？

curr_frames = np.array(curr_frames)

idx = map(int,np.linspace(0,len(curr_frames)-1,80))

curr_frames = curr_frames[idx,:,:,:,]

Answer 1

主要区别在于numpy切片可以处理多个维度。 在您的示例curr_frames[idx,:,:,:,]中，该数组有4个维，并且您通过提供一个维（idx）的索引进行切片，而:表示法是检索该维的所有维。 / p>

参考文献：

NumPy slicing

Python slicing

Answer 2

从Python的内置列表到numpy数组的重要区别：

• 在内置列表中切片时会创建一个副本。

  X=[1,2,3,4,5,6]
  Y=X[:3]   #[1,2,3]
  

  通过将X从0-3切片，我们创建了一个副本并将其存储在变量Y中。

我们可以通过更改Y来验证，即使更改Y也不影响X。

    Y[0]=20
    print(Y) # [20,2,3]
    print(X) # [1,2,3,4,5,6]

• 在numpy中切片时不会创建新副本，但仍引用原始数组

  A=np.array([1,2,3,4,5,6])
  B=A[:3]
  

通过在此处切片A并将其分配给B，仍然B引用原始数组A。

我们可以通过更改B中的元素来验证这一点，它也会更改A中的值。

    B[0]=20
    print(B) # [20,2,3]
    print(A) # [20,2,3,4,5,6]