python--[:]、[::]...

字符串

line = "abcde"
line[:-1]

结果为：‘abcd’

line = "abcde"
line[::-1]

结果为：‘edcba’

一维数组

import numpy as np
a = np.array([1,2,3,4,5,6,7,8])
print（a[1]）  #输出为2
print(a[1:3])  #输出为[2 3]
print(a[1:7:2]) #输出为[2 4 6]

import numpy as np
a=np.random.rand(5)
print(a)     
#输出结果：[ 0.64061262  0.8451399   0.965673    0.89256687  0.48518743]
print(a[-1]) ###取最后一个元素    
#输出结果：[0.48518743]
print(a[:-1])  ### 除了最后一个以外，取全部  
#输出结果：[ 0.64061262  0.8451399   0.965673    0.89256687]
print(a[::-1]) ### 取从后向前（相反）的元素  
#输出结果：[ 0.48518743  0.89256687  0.965673    0.8451399   0.64061262]
print(a[2::-1]) ### 取从下标为2的元素翻转读取  
#输出结果：[ 0.965673  0.8451399   0.64061262]

二维数组

import numpy as np
a = [[1.0,2.0,3.0,4.0],
   [5.0,6.0,7.0,8.0]]
a = np.array(a)
b = a[1]
b_1 = b[:-1]
b_2 = b[::-1]
a_1 = a[:-1]
a_2 = a[::-1]

print(a[1])   # [5 6 7 8]
print(b[:-1])  # [5 6 7]
print(b[::-1])  #[8 7 6 5]
print(a[:-1])   #[[1 2 3 4]]
print(a[::-1])  #[[5 6 7 8][1 2 3 4]]

import numpy as np
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
print(a)
#输出[[1 2 3] [3 4 5] [4 5 6]]
a[1]  #输出为array([3, 4, 5])  单个参数的话，就是指的是1，第二列
a[1:] #array([[3, 4, 5],[4, 5, 6]]) 意思是提取第二号到最后行
a[1:2]  # 输出：array([[3, 4, 5]])现在是两个参数了，不过只有一个冒号：，跟一维数组一样，是从第二行到第三行，不包括第三行。
a[1,]  #输出array([3, 4, 5])
a[1:,]  #输出array([[3, 4, 5],[4, 5, 6]])
a[:2,]  #输出为：array([[1, 2, 3],[3, 4, 5]])
a[1:2,]  #输出：array([[3, 4, 5]])

b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2

参考链接：1. https://blog.csdn.net/u014159143/article/details/80319587
2. https://blog.csdn.net/qq_21840201/article/details/85084621?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7Edefault-2.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EOPENSEARCH%7Edefault-2.control
3. https://blog.csdn.net/qq_25745703/article/details/95339406?utm_medium=distribute.pc_relevant.none-task-blog-baidujs_title-0&spm=1001.2101.3001.4242
4. https://blog.csdn.net/qq_41375609/article/details/95027651?utm_medium=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control&depth_1-utm_source=distribute.pc_relevant.none-task-blog-2%7Edefault%7EBlogCommendFromMachineLearnPai2%7Edefault-3.control