python中的冒号：，切片操作[:]

2024-07-14 21:02| 来源: 网络整理| 查看: 265

来个简单的例子： a = ['a', 'b', 'c', 'd'] # 得到倒数第一个元素: d print(a[-1]) # 得到第二个至倒数第二个元素: ['b', 'c'] print(a[1:-1]) # 取第一个元素至倒数二个元素: ['a', 'b', 'c'] print(a[:-1]) # 得到倒数第二个元素: c print(a[-2])

这里要注意：直接取[-1]是取最后一个元素，而[:-1]是取第一个元素至倒数二个元素

单冒号：注意：

Python中 [:, [0]] = 0 和 [:, 0] = 0 有区别：[:, [0]] 会保持数组的维度（将明确取值的那一维度的维度大小变为1），而 [:, 0] 会将数组的维度降低一维（将明确取值的那一维度去掉）

示例：

定义5x4 的二维tensor数组

import torch X=torch.tensor([[1, 2, 3, 4], [5, 6, 7, 8], [9, 10,11,12], [13,14,15,16], [17,18,19,20]])

取行元素：

# 输出矩阵张量X的所有行的第2列的元素，所以就是一个5行的tensor，自然的第二维度（第2列维度）被省略了，就变成了(5),而不是(5,1) print(X[:,2].shape) # (5) # 由于使用了[]，所以会保持数组的维度，最终结果是(5,1) print(X[:,[2]].shape) # (5,1)

取列元素：

# 输出矩阵张量X的第2行的所有列的元素 print(X[2,:].shape) # (4)

取某些行/列元素：

X[:, m:n]即取矩阵X的所有行中的的第m到n-1列数据，含左不含右。

# 即取矩阵张量X的所有行中的的第m到n-1列数据，含左不含右 # 这是取矩阵张量X的所有行中的的第1到2列数据 print(X[:,1:3].shape) # (5,2)

省略某个维度不写：

这种指定了某些维度的元素，但是有些维度省略没有写出来，这种默认是对省略的维度全部使用，和加了：一样。

# 此处明确指定第2行，但没有指定列，所以使用所有列，输出第2行所有列的元素 print(X[2].shape) # (4)

双冒号：：

双冒号代表的是步长

x[:,::-1]，这段代码，其实就是索引，

第一个冒号（逗号之前的）很明显就是选择第一个维度的所有，也就是我们此处所有行，后面列上两个冒号，这样看，比如我们列表y=[1,2,3],y[:2]结果就是[1,2],也就是第一个冒号表示从第一个开始，那我们其实此处我们的逗号后面的第一个冒号也是从第一个开始，

那第二个冒号呢，其实第二个冒号代表结束，y=[1,2,3],y[::]结果就是[1,2,3],

第三个参数就是步长，步长不能为0，为-1代表逆序，如果为1，则代表全选，如果为2，代表隔一个取一个。看以下代码：

Python中 [:, [0]] = 0 和 [:, 0] = 0 有什么区别_,,,[ 0]-CSDN博客

【本文地址】

公司简介

联系我们