如何很好地处理 [:-0] 切片？答案

【问题标题】：How to nicely handle [:-0] slicing?如何很好地处理 [:-0] 切片？
【发布时间】：2016-02-08 07:50:40
【问题描述】：

在实现自相关函数时，我有一个类似的术语

for k in range(start,N):
    c[k] = np.sum(f[:-k] * f[k:])/(N-k)

现在，如果 start = 1 一切正常，但我想很好地处理 0 开头的情况，没有条件。

显然它不起作用，因为 f[:-0] == f[:0] 并返回一个空数组，而在这种情况下我想要完整的数组。

【问题讨论】：

numpy 不是已经有自相关函数了吗？还是只有pandas？
它有一个我可以使用的correlate 函数，但自相关有不同的定义，特别是关于本术语中的(N-k) 分母。
我认为 pandas 具有自相关性，您可以使用不同的术语作为分母，但我不确定了。
从pandas.Series.autocorr docs不太清楚，我会查看代码

标签： python numpy slice

【解决方案1】：

在这种情况下不要使用负索引

f[:len(f)-k]

对于k == 0，它返回整个数组。对于任何其他积极的k，它等同于f[:-k]

【讨论】：

【解决方案2】：

如果 k 为零，则使用 None 作为切片，如下所示：

for k in range(start,N):
    c[k] = np.sum(f[:-k if k else None] * f[k:])/(N-k)

【讨论】：

很高兴了解None，但我想完全避免分支，猜想@Wombatz 解决方案是最干净、最快的解决方案。
速度上的差异可能会被程序的其他部分所淹没，因此请使用您认为最易读的惯用语。（在我的测试中，速度差异只有几十纳秒的数量级）。
嗯，你是对的，考虑到我正在处理的大型数据集，我认为不需要的 if 会很明显，但我刚刚测试过，实际上并非如此。可能它会被优化掉。我仍然更喜欢其他解决方案，只要我达到 15 分，就会给你一个 +1 :)

【解决方案3】：

有几种方法可以做到这一点，通过在应用公式之前测试k==0。由您决定唯一看起来更好的。

for k in range(start,N):
    c[k] = np.sum(f[:-k] * f[k:])/(N-k) if k != 0 else np.sum(f * f[k:])/(N-k)

for k in range(start,N):
    end_in_list = -k if k != 0 else None
    start_in_list = k
    c[k] = np.sum(f[:end_in_list] * f[start_in_list:])/(N-k)

【讨论】：