python高维数组的提取

python在TensorFlow搭建的环境下，所有数据的提取和Matlab的形式一致。
由于之前很少研究高维情况，第一次遇到三维数据的提取，出现一些小困惑。
下面是自己对于这方面的理解

import numpy as np

a = np.arange(60).reshape(3,4,5)

b1 = a[0::1,:]

print(a)

print(b2)

从算例的结果中可以发现：
一：三维数据的展示和维度表示关系：
1: 维度表示信息的（n1, n2, n3）从前往后表示高维数据的“［］”的从外往里，很明显，最后的(n2, n3)表示最里层的矩阵为n2行n3列，外层的n1表示有多少个这样的矩阵。
二：重点解释 “::” 的含义
1：首先，该符号可解释为，设置等差数列中的公差，即
::a 表示第1个元素开始(对应第0个维度)，每隔a个元素抽取一次数据
2：c::b则表示初始元素维度为c,公差为b
3.1: 还有一点困惑的地方为：
三维数组中，出现形如[::d, :]
的数据信息提取，它的具体解释为，第一个维度中以 ::d 进行数据的提取，剩下两个维度则不发生改变。以三维数组为例，是提取第几个矩阵的信息
3.2 若形如[:,::d] 等价于[:,::d,:]
即在第二个维度中以 ::d 的形式进行数据提取,以三维数组为例，是提取每个矩阵行的信息
3.3 若形如[:,:,::d]
即在第三个维度中以 ::d 的形式进行数据提取,以三维数组为例，是提取每个矩阵列的信息

具体示例和结果大家可自己进行并体验