python array中关于[a，b，c]的使用方式
不论是用numpy或者是tensorflow，在机器学习的过程中常常会用到[]来提取array中的元素，但是再找了很多的资源之后发现并没有比较好的解释我在尝试之后给出list[]的用法和解析，希望能帮到大家
以这样的数据为例
list1 = np.arange(24).reshape()
‘'‘
[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]
'‘'
1.类型
在array中取到了位置的元素，不多做解释。
print(list1)
# 17
2.[]中含有‘：’符号
只有：时，代表取某一维度的全部元素
：前后有数字时，相当于把那维当做一个list，1：3就代表取索引1，2的元素
其中的关系给出两个例子，大家可以思考其中的原理
print(list1[:,:,1]) # 代表取出前两个维度的所有元素，只要第三维度的1索引元素
‘'‘
[[ 159]
]
'‘'
print(list1[:,1:3,-1]) # 取出第一个维度所有元素，第二个维度的索引1和2的元素，第三个维度倒数第一个的元素
'''
[[ 7 11]
]
'''
3.None出现的时候
None是用来增加维度的，在哪里出现就给哪里增加1维
print(list1)
print(list1) # 相当于在最前面增加一维
print(list1.shape)
'''
[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]
[[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]]
(1, 2, 3, 4)
'''
print(list1)
print(list1[:,:,None])
print(list1[:,:,None].shape)
‘'‘
[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]
[[[[ 0123]]
[[ 4567]]
[[ 89 10 11]]]
[[]
[]
[]]]
(2, 3, 1, 4)
'‘'None的作用于np.newaxis的作用是一样的
下面给出一个例子，大家可以体会一下：
print(list1)
print(list1)
print(list1.shape)
print(list1)
print(list1.shape)
‘'‘
[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]
[[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]]
(1, 2, 3, 4)
[[[[ 0123]
[ 4567]
[ 89 10 11]]
[
]]]
(1, 2, 3, 4)
'‘'
总结
以上为个人经验，希望能给大家一个参考，也希望大家多多支持脚本之家。
来源:https://www.jb51.net/python/3162577o6.htm
免责声明：由于采集信息均来自互联网，如果侵犯了您的权益，请联系我们【E-Mail:cb@itdo.tech】 我们会及时删除侵权内容，谢谢合作！
页:
[1]