python 切片

1，当Y 的最外维 只有一个元素时

Y = np.array([[0,1,2,3,4,5,6]])
print(Y[0])
print("Y[0,1]=" + str(Y[0,1]))
print("Y[:,1]=" + str(Y[:,1]))
print("type(Y[0,1])=" + str(type(Y[0,1])))
print("type(Y[:,1])=" + str(type(Y[:,1])))

输出结果如下
[0 1 2 3 4 5 6]
Y[0,1]=1
Y[:,1]=[1]
type(Y[0,1])=<class ‘numpy.int32’>
type(Y[:,1])=<class ‘numpy.ndarray’>

所以Y(a ， b） a表示对第1维操作，b表示对第2维操作
若遍历时用 “：” 则会输出numpy.ndarray型。

Y = np.array([[0,1,2,3,4,5,6]])
print(Y[0])
print("Y[0,1]=" + str(Y[0,1:3]))
print("Y[0,1]=" + str(Y[:,1:3]))
print("type(Y[0,1])=" + str(type(Y[0,1:3])))
print("type(Y[:,1])=" + str(type(Y[:,1:3])))

[0 1 2 3 4 5 6]
Y[0,1]=[1 2]
Y[0,1]=[[1 2]]
type(Y[0,1])=<class ‘numpy.ndarray’>
type(Y[:,1])=<class ‘numpy.ndarray’>

2.Y最外维不止一个元素

Y = np.array([[0,1,2,3,4,5,6],[7,8,9,10,11,12,13]])
print(Y[0])
print("Y[0,1]=" + str(Y[0,1]))
print("Y[0:1,1]=" + str(Y[0:1,1]))
print("Y[0:2,1]=" + str(Y[0:2,1]))
print("Y[:,1]=" + str(Y[:,1]))

[0 1 2 3 4 5 6]
Y[0,1]=1
Y[0:1,1]=[1]
Y[0:2,1]=[1 8]
Y[:,1]=[1 8]

3.对于数组切片

np.random.seed(1)
a = np.random.randn(3,3)
print(a[2,1])
print(a[:][2,1])
print(a[:][2][1])
print(a[:][:][2][1])

-0.7612069008951028
-0.7612069008951028
-0.7612069008951028
-0.7612069008951028
他们的效果是一样的，用a[ ][ ][ ]和a[ , , ,]这两种形式效果是一样的，而且如果用a[ ] [ ] 这种形式的话，在之前可以加[ : ] [ : ] 不影响输出 ，但是不可以在后面加，
但是对于元祖tuple，a = （ ， ， ， ）只能用a[ n] 来访问其中某一个元素的其中的某一个值,然后后面可以加【】来访问元素中的对应值，根据不同元素来定之后怎么访问

print("cache_conv[0][1][2][3] =", cache_conv[0][1][2][3])
print("cache_conv[0][1,2,3] =",cache_conv[0][1,2,3])

cache_conv[0][1][2][3] = [-0.20075807 0.18656139 0.41005165]
cache_conv[0][1,2,3] = [-0.20075807 0.18656139 0.41005165]
他们两个效果是一样的。

4.数组切片时的 -1

a = np.array([[0,1,2,3,4],[0.1,1.1,2.1,3.1,4.1],[0.2,1.2,2.2,3.2,4.2]])
b = a[0]
print("b = " ,b)
c = a[0 ,1:-1 ]
print("c = " ,c)

b = [0. 1. 2. 3. 4.]
c = [1. 2. 3.]

由此可见 [1 : - 1] 相当于 [1 : 4]
即第0 个元素到 第四个 ，即倒数第二个元素。-1 表示倒着数，最后一个元素为 0 ， 倒数第二即为 -1.

然后若[1👎1] 有两个 ： ： ，则最后一个表示排列顺序，1，正序，-1 倒序。