python中索引numpy数组的说明

我是一名高中生，通过查看一些numpy代码，我发现了一些与

a = x[:,0:4]

x是一个二维阵列。我知道a[：]引用数组a中的所有对象，所以对于x[：，0:4]，它会引用x的所有行和索引为0,1,2,3的列（不包括索引为4的列）吗

---

我只是想确认一下它是如何工作的，因为我已经在几种类型的代码中看到了它，我只是想确认一下。

你是对的。该

a=x[：，0:4]

选择前四列

例如：

>>> a = np.arange(25).reshape(5, 5)
>>> a
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, 24]])

您可以跳过

0

，因为

a[：，：4]

的意思与

a[：，0:4]

相同：

>>> a[:,:4]
array([[ 0,  1,  2,  3],
       [ 5,  6,  7,  8],
       [10, 11, 12, 13],
       [15, 16, 17, 18],
       [20, 21, 22, 23]])

---

您总是可以这样想：“第一维第一，第二维第二，等等。”在2D情况下，第一维是行，第二维是列。

是的，这被称为切片表示法，numpy数组也可以使用Python的切片表示法，所以

>>>x = np.arange(25).reshape(5, 5)
>>>a = x[:, 0:4]
>>>a
array([[ 0,  1,  2,  3],
   [ 5,  6,  7,  8],
   [10, 11, 12, 13],
   [15, 16, 17, 18],
   [20, 21, 22, 23]])

如果使用切片表示法，

x

将是

a

的视图，而不是副本，因此如果更改数组

x

中的值，该值也将在

a

中更改

>>>x[1,1] = 1000
>>>a
array([[   0,    1,    2,    3],
       [   5, 1000,    7,    8],
       [  10,   11,   12,   13],
       [  15,   16,   17,   18],
       [  20,   21,   22,   23]])

---

你明白了。这些文件相当不错——而且