python切片 *** 作-高维

python切片 *** 作-高维

文章目录

• • 原理
  • 示例代码

举例是用数组（array）举例的，同样适用于列表（List）和张量（Tensor）

原理

一维数据的切片和二、三维数组更高维的数据的切片有什么关联？

常见：
a[：-1] ：一维数组，不要最后一个
a[1：] ：一维数组，不要第0个，
b[：，：-1] ： 二维数组，不要第二维的最后一个，即少了一列
c[：，：-1，：] ：三维数组，只是不要第二维的最后一个
c[：，-1，：]：这里就是索引了，不是切片了，容易弄混乱，只要第二维最后一个元素

一维的切片： [start：end：step]：从start开始，不包括end，一般很少见到setp
二维甚至高维的：用逗号分隔每个维度就OKK

示例代码

import numpy as np
a= np.arange(6)
a
==>array([0, 1, 2, 3, 4, 5])
a[:-1]
==>array([0, 1, 2, 3, 4])
a[1:]
==>array([1, 2, 3, 4, 5])
b = np.arange(24).reshape(4,6)
b
==>array([[ 0,  1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10, 11],
       [12, 13, 14, 15, 16, 17],
       [18, 19, 20, 21, 22, 23]])
b[:,:-1]
==>array([[ 0,  1,  2,  3,  4],
       [ 6,  7,  8,  9, 10],
       [12, 13, 14, 15, 16],
       [18, 19, 20, 21, 22]])
c = np.arange(24).reshape(2,3,4)
c
==>array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])
c[:,:-1:]
==>array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19]]])
c[:,-1,:]
==>array([[ 8,  9, 10, 11],
       [20, 21, 22, 23]])

参考链接：https://blog.csdn.net/fr555wlj/article/details/108783091