numpy 三维切片和索引以及省略号如何工作？答案

【问题标题】：How does numpy three dimensiona slicing and indexing and ellipsis work?numpy 三维切片和索引以及省略号如何工作？
【发布时间】：2017-03-25 18:42:27
【问题描述】：

我很难理解一些 numpy 的切片和索引是如何工作的

第一个如下：

>>> 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 : 假定用于任何后续维度。

这是否意味着[[1], [2], [3]] , [[4], [5], [6]] 本身就是一个 2x3 数组？

怎么做

x[1:2]

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与 x.ndim 长度相同的元组。可能只有一个有省略号。

为什么[...,0] 是什么意思？

【问题讨论】：

标签： python arrays numpy

【解决方案1】：

对于您的第一个问题，这意味着形状为 (2, 3, 1) 的 x 有 2 片 3x1 数组。

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，它只会将第一个切片交给您，但不包括第二个切片，因为在 Python 和 NumPy 中，它总是左包含右排（类似于半开区间，即 [1, 2))

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

这就是为什么你只得到第一片。

关于第二个问题，

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

因此，当您使用省略号时，它只会将您的数组拉伸到 3 号。

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

上面的代码意味着，你从数组 x 中取出两个切片，并逐行拉伸它。

但是，如果你这样做了

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

在这里，您只需从x 中取出第一个切片并逐行拉伸。

【讨论】：

非常感谢您的解释，它真的很有帮助

【解决方案2】：

现在，当您执行 x[1:2] 时，它只会将第一个切片交给您。

我的问题是不应该是第二片。因为输出是切片 2

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

【讨论】：