视频1 视频21 视频41 视频61 视频文章1 视频文章21 视频文章41 视频文章61 推荐1 推荐3 推荐5 推荐7 推荐9 推荐11 推荐13 推荐15 推荐17 推荐19 推荐21 推荐23 推荐25 推荐27 推荐29 推荐31 推荐33 推荐35 推荐37 推荐39 推荐41 推荐43 推荐45 推荐47 推荐49 关键词1 关键词101 关键词201 关键词301 关键词401 关键词501 关键词601 关键词701 关键词801 关键词901 关键词1001 关键词1101 关键词1201 关键词1301 关键词1401 关键词1501 关键词1601 关键词1701 关键词1801 关键词1901 视频扩展1 视频扩展6 视频扩展11 视频扩展16 文章1 文章201 文章401 文章601 文章801 文章1001 资讯1 资讯501 资讯1001 资讯1501 标签1 标签501 标签1001 关键词1 关键词501 关键词1001 关键词1501 专题2001
python切片之冒号和三个点
2020-11-27 14:12:53 责编:小OO
文档
 下面为大家分享一篇python 切片之冒号和三个点的用法介绍,具有很好的参考价值,希望对大家有所帮助。一起过来看看吧

初学python和numpy,对在学习切片的过程中遇到的问题做个总结。

一维切片就不说了,比较简单,先说下二维的,二维的理解了的就简单了。举个例子先建立一个5x5的二维数组

的切片是按照各个维度分别取

这里就分别输出第一维的2-3和第二维的3-5(索引从0开始)。

这里是行取全部,列取第3-5。

这里应该是大家最疑惑的地方了,为什么列的参数改成None,输出的shape都变了,这里大家要知道,None代表新增加一个维度,它有一个别称叫newaxis,大家可以输出一下numpy.newaxis就知道了,那么这个别称应该顾名思义了吧。那么为什么是5x1x5,而不是5x5x1呢,那是因为你在第二维上用了None,你如果在第三维上用就会变成5x5x1了,不信你看

这下大家应该明白了吧。就是说None放在哪一维,就会在哪一维上出现新的维度。

再看个更奇葩的

三个点是什么鬼,凭记忆这不是可以换行的操作么,但这里不是,它是省略所有的冒号来用省略号代替,大家看这个a[:, :, None]和a[…, None]的输出是一样的,就是因为…代替了前面两个冒号。这下应该清楚了。

至于三维以上的,那跟二维是一模一样啊。

下载本文
显示全文
专题