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)