Python切片学习记录

偶然间学到了关于python切片的一个比较让人迷惑的知识——step为负数时,start和end缺省值的切片结果。本篇博客记录下学习心得。

这篇博客讲得特别清晰,通俗易懂。

python切片操作start和end缺省时,会尽可能取较大的区间。有一个比较关键的点是:切片操作时,start和end以及step可以为任意整数,不会出现index out of range的异常。

按照切片step的正负,可将切片结果分成两种情况:

1. step为正数

当step为正时,start的缺省值为负无穷大,end的缺省值为正无穷大,从如下几个例子可以出:

>>> a = [0,1,2,3,4,5,6,7,8,9]
>>> a[:3:1]
[0, 1, 2]
>>> a[3::1]
[3, 4, 5, 6, 7, 8, 9]
>>> a[-100:100:1]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> a[:10000:1]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> a[-999999::1]
[0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
>>> a[-999999::100]
[0]
>>> a[-999999::2]
[0, 2, 4, 6, 8]

由上面的例子可以体现python切片操作的几个点:

  • start,end,step可以为任意整数
  • step为正时,start缺省为负无穷大。end缺省为正无穷大

接下来看看step为负数情况

step为负数

step为负数时,相当于从start开始,以step的绝对值为步长,进行逆序索引。因为为逆序,所以当start为正无穷大,end为负无穷大的时候,可以进行索引的区间最大,索引start缺省时为正无穷大,end缺省时为负无穷大

看几个例子:

>>> a = [0,1,2,3,4,5,6,7,8,9]
>>> a[::-1]
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]
>>> a[3::-1]
[3, 2, 1, 0]
>>> a[3::-2]
[3, 1]
>>> a[:3:-2]
[9, 7, 5]
>>> a[:3:-1]
[9, 8, 7, 6, 5, 4]
>>> a[:100:-1]
[]
>>> a[:-9999:-1]
[9, 8, 7, 6, 5, 4, 3, 2, 1, 0]

a[:3:-2]这个例子就能很好的说明,当step为负数时,start的缺省值为正无穷大:

这个例子中,从无穷大的地方开始,到a[3]结束(不包括a[3]),步长为2,整个有有效索引范围就是:[4,5,6,7,8,9],然后按照逆序,步长为2,就得到了索引结果——[9,7,5]

end缺省为负无穷大,可以通过类似的方法分析出,这里就不赘述了。

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 打赏
    打赏
  • 0
    评论
Python中,可以使用切片操作来对二维数组进行切片。使用NumPy库可以更方便地进行切片操作。 例如,如果有一个二维数组arr,可以使用arr[row_index, column_slice]来进行切片操作。其中row_index是指定要切片的行索引,column_slice是指定要切片的列范围。 举个例子,如果有一个二维数组arr如下: [[1, 2, 3, 4, 5], [6, 7, 8, 9, 10]] 要切取第一行中索引从1到3(不包括4)的元素,可以使用arr[1, 1:4]来进行切片操作。这将返回一个包含元素[7, 8, 9]的一维数组。 另外,如果要对整个二维数组进行切片,可以分别对行和列进行切片操作。 例如,给定一个二维数组a如下: [[0, 1, 2, 3], [4, 5, 6, 7]] 要切取第一行和第二行,可以使用a[0:2, :]来进行切片操作。这将返回一个包含第一行和第二行的二维数组。 总结起来,切片操作是一种灵活且方便的方式,可以用来对二维数组进行快速的数据提取和操作。<span class="em">1</span><span class="em">2</span><span class="em">3</span> #### 引用[.reference_title] - *1* [Python学习:二维数组的切片操作](https://blog.csdn.net/m0_72675651/article/details/128670016)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] - *2* *3* [Python学习笔记()——Numpy](https://blog.csdn.net/weixin_60535956/article/details/127850623)[target="_blank" data-report-click={"spm":"1018.2226.3001.9630","extra":{"utm_source":"vip_chatgpt_common_search_pc_result","utm_medium":"distribute.pc_search_result.none-task-cask-2~all~insert_cask~default-1-null.142^v93^chatsearchT3_2"}}] [.reference_item style="max-width: 50%"] [ .reference_list ]

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

zh4men9

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值