Python中索引的学习笔记

1 前言

今天在学习FaceBoxes～
看到一个比较奇怪的代码，“order = scores.argsort()[::-1][:args.top_k]”，不太懂这个“[::-1]”是什么意思，所以就要向度娘请教一下～

2 常用的索引方式

a[-1]

即取列表a的最后一个元素；

a[:3]

当i缺省时，默认为0，即a[:3]相当于a[0:3]；

a[-2:]

读取最后两个元素，示例代码如下：

import numpy as np
a = np.arange(6)
a
# array([0, 1, 2, 3, 4, 5])
a[-2:]
# array([4, 5])

a[-n:]

读取最后n个元素

a[::-1]

表示翻转读取的意思，可以看看下面的示例代码：

import numpy as np
a = np.arange(6)
a
# array([0, 1, 2, 3, 4, 5])
a[::-1]
# array([5, 4, 3, 2, 1, 0])

a[::-3]

表示步长为3的翻转读取：

3 学习笔记

3.1 单次索引x[0:2,0]和两次索引x[0:2][0]的区别

单次索引x[0:2,0]和两次索引x[0:2][0]实际上是有很大区别的，我们来看看下面的实验，
​​
出现这样的结果似乎是不好理解的，从“直觉”上来说，这两种索引操作的效果好像应该是一样的，
而实验的结果却表现出很大的差别，这是为什么呢？
这是由于python索引机制的原因引起的，我们可以先看看志兴老师给出的解释，

实际上，两次索引x[0:2][0]是分两次进行索引操作，并且两次索引的对象不同，分别是x和x[0:2]，
相当于进行了下面的操作，

x1 = x[0:2] # 按照行进行索引，把每一个行作为新数组x1的元素
x2 = x1[0]  # 获得x1的第一个元素，也就是“x的第一行”

3.2 获得np矩阵的最大值的索引

可以参考下面的示例代码：

import numpy as np
matrix = np.array([[1, 2, 3],
              [4, 5, 6]])
index = np.unravel_index(matrix.argmax(), matrix.shape)
print(index)
>>>(1, 2)