python中三个点（…）

一句话总结： …代替了切片操作中前面所有的:， 即a[:, :, None] 和a[…, None]等价

这里主要涉及python和numpy的切片操作。

下面以二维切片为例：

import numpy as np

a = np.arange(25).reshape((5, 5))
print(a)
print(a[1:3, 2:5])


'''
[[ 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]]

[[ 7  8  9]
 [12 13 14]]
'''

print(a[:, 2:5])

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

print(a[:, 2:5, None])
'''
[[[ 2]
  [ 3]
  [ 4]]

 [[ 7]
  [ 8]
  [ 9]]

 [[12]
  [13]
  [14]]

 [[17]
  [18]
  [19]]

 [[22]
  [23]
  [24]]]
'''

多维切片是按照各个维度进行切片操作的。此处分别取第一维的2-3，第二维的3-5，即7 8 9 12 13 14. 从一开始计数

None代表新增加一个维度。print(a[:, 2:5, None])在第三个维度上用了None，所以成为5x3x1.  如果用在第二个维度，即如下图所示：

print(a[:, None, 2:5])

 

关于三个点的解释

a[:,:,None] 和a[…, None]等价

…代替了前面的两个: 

参考：https://blog.csdn.net/z13653662052/article/details/78010654