Python “如何表示”：&引用；在努比

我想切片一个多维数据数组，但不知道将在哪个维度上切片。假设我们有一个形状为（6,7,8）的ndarray a。有时我需要在一维A[：，3,4]上切片，有时需要在三维A[1,2，：]上切片

是否有代表“：”的符号？我想用它来生成一个索引数组

index=np.zeros(3)
index[0]=np.:
index[1]=3
index[2]=4
A[index]

---

：

切片可以通过调用

slice（None）

显式创建，下面是一个简短的示例：

import numpy as np
A = np.arange(9).reshape(3, -1)

# extract the 2nd column
A[:, 1]

# equivalently we can do
cslice = slice(None) # represents the colon
A[cslice, 1]

---

您希望

index

成为一个元组，包含数字、列表和

slice

对象。许多采用

axis

参数的

numpy

函数构造了这样一个元组

A[(slice(None, None, None), 3, 4)]  # == A[:, 3, 4]

构造该元组有多种方法：

index = (slice(None),)+(3,4)

index = [slice(None)]*3; index[1] = 3; index[2] = 4

index = np.array([slice(None)]*3]; index[1:]=[3,4]; index=tuple(index)

在这种情况下，

索引可以是列表或元组。它不可能是数组

从列表（或数组）开始很方便，因为您可以修改值，但最好在使用前将其转换为元组。我必须检查文档中的详细信息，但在某些情况下，列表的含义与元组不同


请记住，切片元组始终可以构造为obj，并在x[obj]表示法中使用。可以在构造中使用切片对象来代替[start:stop:step]符号。例如，x[1:10:5，：：-1]也可以实现为obj=（slice（1,10,5），slice（None，None，-1））；x[obj]。这对于构造在任意维数组上工作的通用代码非常有用

是的，但它的工作原理有点不同：使用内置方法
slice
创建1D切片，并使用这些切片的元组进行索引
slice（None，None）
表示
：
这正是您想要的。您不需要将slice对象作为第二个索引项传递，您只需再次传递
1
：
a[slice（None，None），1]
（这正是
a[：，1]
的意思）。@poke，不错。而且
切片（无）
似乎足够了。似乎我试图重新发明轮子——我想常丽链接了一个复制品。