时间戳

首页 > 解决方案 > 在 Python 中的这个数组切片中这个 'a' 的目的是什么（ W[: , : , : , a] ）？

python - 在 Python 中的这个数组切片中这个 'a' 的目的是什么（ W[: , : , : , a] ）？

问题描述

这是代码示例：

weights = W[:,:,:,a]

这里，a是一个整数

在数组切片中，我需要对 Python 的切片表示法有一个很好的解释（参考是​​一个加号）。我不明白这个'a'的目的是什么。我们知道 3D 数组就像一堆矩阵，其中：

标签： pythonarraysnumpy-slicing

解决方案

形状：

让M成为您的n维数组：

参考图片：https ://fgnt.github.io/python_crashkurs_doc/_images/numpy_array_t.png

  1. M (x,)的形状意味着您的数组有x 行
  2. M (x, y)的形状意味着您的数组有x 行和y 列
  3. M (x, y, z)的形状意味着您的数组有x 行、y 列和z“层”

如果您愿意，您可以将形状视为（线、列、层、...），但是当您谈论四维数组或更大时，事情会变得复杂（也许您可以将它们命名为第四维的块堆栈） .

无论如何，更好的命名约定如下：

M（轴 0，轴 1，轴 2，...，轴 n）如参考图像所示。

要在 Python 中找到数组的形状，只需编写：M.shape

切片：

在数组索引中，逗号分隔数组的维度： M [轴 0 ,轴 1 ,轴 2 , ...,轴 n ] 对于每个轴，您可以具有以下切片结构：

[开始：停止：步骤]其中：

  1. start：所选轴的第一个索引（包含在结果中）
  • start = 0是默认的开始索引（不需要指定）
  1. stop：所选轴的最后一个索引（不包括在结果中）
  • stop = len(axis)是默认结束索引（不需要指定）
  1. step : 遍历选定轴的步骤：
  • step = 0是不允许的
  • step = 1为默认步长（不需要指定）
  • step = -1表示反向遍历
  • step = n表示从n到n步

以下切片是等效的： M [0:n+1:1]、M [:] 和M [::] 根据默认值。

混合在一起，现在我们可以写一个通用的切片符号：

M  [轴起始索引0 : 轴停止索引0 : 轴步进0 ,轴
     起始索引1 : 轴停止索引1 : 轴步进1 ,
     start-index-for-axis 2 : stop-index-for-axis 2 : step-for-axis 2 ,
     ...
     start-index-for-axis n : stop-index-for-axis n : step-对于轴n ] ,

足够的理论，让我们看一些例子：

我们有M，一个二维数组，具有 (5, 5) 形状：

M = np.arange(1, 26).reshape(5, 5)
print(M)

结果：

[[ 1  2  3  4  5]
[ 6  7  8  9 10]
[11 12 13 14 15]
[16 17 18 19 20]
[21 22 23 24 25]]


print('Traverse the matrix from the last line to the first one (axis=0)', matrix[::-1],  sep='\n')

结果：

[[21 22 23 24 25]
[16 17 18 19 20]
[11 12 13 14 15]
[ 6  7  8  9 10]
[ 1  2  3  4  5]]


print('The 3 columns in the middle of the matrix (take all data from axis=0, and take a slice from axis=1):' , matrix[:, 1:4],sep='\n')

结果：

[[ 2  3  4]
[ 7  8  9]
[12 13 14]
[17 18 19]
[22 23 24]]

现在，您的切片：W [:, :, :, a ]，其中 a是一个整数变量，可以解释为：

  • M是一个四维数组
  • 您从轴 0、轴 1和轴 2中获取所有内容
  • 你只取轴3的索引a

可以将四维数组想象为三维块的堆栈/数组，您的切片意味着：从每个块的每个矩阵中取出一列，最后得到一个三维数组。

推荐阅读