python省略号用法_关于numpy：你如何在Python中使用省略号切片语法？

这出现在Python的隐藏功能中，但我看不到可以解释该功能如何工作的好文档或示例。

省略号用于切割高维数据结构。

它被设计为在这一点上，插入尽可能多的完整切片(:)以将多维切片扩展到所有维度。

例：

>>> from numpy import arange

>>> a = arange(16).reshape(2,2,2,2)

现在，您有一个2x2x2x2的4维矩阵。要选择第4维中的所有第一个元素，可以使用省略号表示法

>>> a[..., 0].flatten()

array([ 0,  2,  4,  6,  8, 10, 12, 14])

这相当于

>>> a[:,:,:,0].flatten()

array([ 0,  2,  4,  6,  8, 10, 12, 14])

在您自己的实现中，您可以自由地忽略上面提到的合同，并将其用于您认为合适的任何内容。

也许我错了，但不是a[:,:,:,0]会返回副本而a[...,0]会返回"视图"而不是副本吗？我尝试对两个版本和3-dim数组运行id()：a[:,:,:, 0], a[:,:,:, 1], a[:,:,:, 2]都有不同的ID，而：a[..., 0], a[..., 1], a[..., 2]都有相同的ID。

@ mohitsharma44不在我的机器上;)id()为两者返回相同的值。同样用__array_interface__[data]检查显示相同的内存地址。

我发现我们可以使用a[indexes, ...]而a是一个1维数组！

什么是4维矩阵？将它称为4维数组而不是矩阵是有意义的。，IMO。

椭圆也可用于零维数据结构。它们是我知道写入标量numpy.ndarrays的唯一方法，例如：my_scalar = np.asarray(3); my_scalar [...] = 5.如果你执行my_scalar [：] = 5，你将理所当然地得到一个错误，因为没有维度为0：迭代。

@SuperElectric您也可以使用my_scalar.itemset(标量值)。当然，my_scalar [...] = scalar_value更短，但你在上面的评论中说过，这是你知道的唯一方法。只是提供替代方案。

你可以在自己的类中使用它，因为没有内置类可以使用它。

Numpy使用它，如文档中所述。这里有一些例子。

在你自己的课堂上，你会像这样使用它：

>>> class TestEllipsis(object):

...     def __getitem__(self, item):

...         if item is Ellipsis:

...             return"Returning all items"

...         else:

...             return"return %r items" % item

...

>>> x = TestEllipsis()

>>> print x[2]

return 2 items

>>> print x[...]

Returning all items

当然，还有python文档和语言参考。但那些并不是很有帮助。

看起来相当破碎，因为"propper"说出所有项目的方式是>>> x [：] >>> x [：，1：2]

@Ronny：重点是展示省略号的一些自定义用法。

链接似乎被打破了。

这是省略号的另一个用途，它与切片无关：我经常在与队列的线程内通信中使用它，作为发出"完成"信号的标记;它就在那里，它是一个对象，它是一个单例，它的名字意味着"缺乏"，并且它不是过度使用的无(可以作为正常数据流的一部分放入队列中)。因人而异。

可能会更清楚地说："Done = object()"在某处并使用它？

不一定 - 它要求你实际上在某处说Done = object()。 Sentinel值不一定是坏事 - 并且使用其他几乎没用的Python单例作为哨兵并不是那么可怕的IMO(Ellipsis和()是我用过的地方，没有人会混淆)。

关于Done = object()，我认为使用省略号更好，特别是如果你用它来与队列进行通信。如果从内部线程到内部进程通信，id(Done)在另一个进程中将不相同，并且没有任何东西可以将一个对象与另一个对象区分开来。省略号的ID也不一样，但至少类型是相同的 - 这是单身人士的要点。

问题是"你如何使用省略号"，但我相信你采取了错误的方式。它有很多解释。但我认为正确的是："如何使用省略号？"即"我应该采取哪些步骤在我自己的代码中使用省略号"。

如其他答案中所述，它可用于创建切片。

当您不想编写许多完整切片符号(:)时，或者您不确定要操作的数组的维数时，这非常有用。

我认为重要的是突出显示，而其他答案中缺少的是，即使没有更多的维度需要填写，它也可以使用。

例：

>>> from numpy import arange

>>> a = arange(4).reshape(2,2)

这将导致错误：

>>> a[:,0,:]

Traceback (most recent call last):

File"", line 1, in

IndexError: too many indices for array

这将有效：

a[...,0,:]

array([0, 1])