np中[:,-1] [:,-1:] [:,:-1]区别和作用

1 [:,-1:]效果

import numpy as np
a=np.array([[1,2,3,4],[5,6,7,9]])
b=a[:,-1:]
print(b)

-1表示该维度最后一个数据,上图b表示第一维度全要,第二维度就要最后一列,且维度不发生变化
在这里插入图片描述

2 [:,-1:] 和[:,:-1]区别

c=np.array([[[1,2],[3,4]],[[5,7],[8,9]]])
d=c[:,-1:]
e=c[:,:-1]

第一维度都要区别在于[:,-1:] 为第二维度只要最后一列[:,:-1]不要第二维度最后一列其他都要
在这里插入图片描述
在这里插入图片描述

3[:,-1:] 和[:,-1]区别

f=np.array([[[1,2],[3,4],[5,6]]])
g=f[:,-1:]
z=f[:,-1]

[:,-1:] 不降维度[:,-1]降维度
在这里插入图片描述

  • 4
    点赞
  • 32
    收藏
    觉得还不错? 一键收藏
  • 2
    评论
评论 2
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
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