ndarray与tensor的切片（slice）

---

前言

ndarray与tensor的切片的异同

---

一、ndarray的切片

ndarray的切片形式：a[start:stop:step]
当step小于0时，将最后一个元素（即-1元素）视为第0个元素，从后往前取值
当从前往后取时，start=0可省略，stop=end必须省略，例如a[::1]
当从后往前取时，start=-1可省略，stop=begin必须省略，例如a[::-1]
当step=1时可省略，例如a[1:3]、a[::]

二、tensor的切片

tensor的切片形式与ndarray类似，不同的是step要大于0

三、代码

a = np.arange(4) # array([0, 1, 2, 3])
print(a[::2])   # a[0:end:2]
print(a[1:])
print(a[1::])   # a[1:end:1]
print(a[1:-1])  # a[1:-1:1]

print()

print(a[::-1])  # a[-1:begin:-1]
print(a[:0:-1]) # a[-1:0:-1]  
print(a[-2::-2]) # a[-2:begin:-2]

print()

t = torch.tensor(a)
print(t[::])
print(t[::2])
print(t[::-1])

运行结果：

[0 2]
[1 2 3]
[1 2 3]
[1 2]

[3 2 1 0]
[3 2 1]
[2 0]

tensor([0, 1, 2, 3])
tensor([0, 2])

ValueError                                Traceback (most recent call last)
Cell In[55], line 18
     16 print(t[::])
     17 print(t[::2])
---> 18 print(t[::-1])

ValueError: step must be greater than zero

---

总结

slice形式：a[start:stop:step]
注意step小于0时是从后往前取值，将最后一个元素当作0元素
tensor的step要大于0