省略号和冒号的作用

省略号和冒号都是用来操作列表，用来快速操作元素的。

冒号的作用

比如下面的例子：

c = np.random.randint(0, 100, 10)
print(c)

生成这样一个随机列表：

[49 29 75 51 23 39 92 97 55 56]

然后进行以下几种操作：

c[1:5]

[29, 75, 51, 23]

c[:5]

[49, 29, 75, 51, 23]

c[1:]

[29, 75, 51, 23, 39, 92, 97, 55, 56]

根据上面的结果我们可以看出，冒号是制定范围的符号，两边的符号都可以省略，省略之后按照列表的开始和结尾进行计算。

省略号的作用

首先看下面的例子，生成这样一个随机的多维列表：

a = np.random.randn(3,3,2)[[[-0.96299703  0.02378626][ 0.59746868  1.42771025][ 0.85895668 -1.14798297]][[ 0.17174135  0.57507109][ 2.3165666   0.60841675][-1.77101868 -1.59714269]][[-1.04117545 -0.09460908][-0.96938343 -0.95701071][ 1.28433109  0.65195701]]]

然后执行代码

b = a[..., 1][[ 0.02378626  1.42771025 -1.14798297][ 0.57507109  0.60841675 -1.59714269][-0.09460908 -0.95701071  0.65195701]]

原来3 * 3 * 2的矩阵变成了3 * 3的矩阵。

下面改变一下形式：

b = a[ 1, ...][[ 0.17174135  0.57507109][ 2.3165666   0.60841675][-1.77101868 -1.59714269]]

这下变成了一个3 * 2的矩阵。

再改变一下：

b = a[1, ..., 1][ 0.57507109  0.60841675 -1.59714269]

变成了一个3维的向量了。

通过以上的实验，我们可以总结一下省略号的作用：
若干省略的维度保持原样，其他维度保留给定参数的元素

什么意思呢，比如给定的是[3,3,2]的矩阵，如果查询的是[…, 1]，那么，原来最后一维的向量只保留编号为1(第二个)的元素，之前的保持不变，所以会变成一个3*3的矩阵，最后一维只保留一个，消失了。

同理，查询[1,…]，第一维的元素只保留编号为1（第二个）的元素，剩下的维度保持不变。

还有就是…在中间的时候，给定两端要保留的元素维度，其他保持不变，从第三个例子能够看出。

两者的区别

从上面的例子中，能够看出，两者有一定的区别：

...可以代表任意多维的元素，而每个:只能代表一个维度。
:可以指定代表的维度的区间范围，...不能。
...只能出现一次，而:可以出现多次，但不能超过矩阵的维度。

numpy中的省略号（...）和冒号（:）相关推荐

python中的[:-1] [:，:-1] python矩阵numpy中array的冒号逗号
如何理解[:-1] [:,:-1] data = np.loadtxt('data.csv', delimiter = ',') X = data[:,:-1] #取所有行,取列到倒数 ...
Python中Numpy中省略号的作用
我们在Python中遇到如[0,-,0]是什么意思? Numpy 中可以用来选数据. >>> import numpy as np >>> a = [[1,2,3, ...
数据分析-----NumPy中的ndarray数组
目录 Numpy概述 Python中的数组 NumPy中的ndarray ndarray中的数据类型 ndarray多维数组属性 ndarray的创建 NumPy 切片和索引 NumPy 线性代数总 ...
python科学计算笔记（一）NumPy中ndarray对象、ufunc运算、矩阵运算
标准安装的Python中用列表(list)保存一组值,可以用来当作数组使用,不过由于列表的元素可以是任何对象,因此列表中所保存的是对象的指针.这样为了保存一个简单的[1,2,3],需要有3个指针和三个 ...
python创建列向量_关于Numpy中的行向量和列向量详解
关于Numpy中的行向量和列向量详解行向量方式1 import numpy as np b=np.array([1,2,3]).reshape((1,-1)) print(b,b.shape) 结 ...
Numpy中矩阵运算
Numpy中矩阵运算 1 矩阵和向量 1.1 矩阵矩阵,英文matrix,和array的区别矩阵必须是2维的,但是array可以是多维的. 如图:这个是 3×2 矩阵,即 3 行 2 列,如 m 为 ...
Numpy中数组间运算
Numpy中数组间运算 1 数组与数的运算 [可以直接进行运算] arr = np.array([[1, 2, 3, 2, 1, 4], [5, 6, 1, 2, 3, 1]]) arr + ...
Numpy 中的 arange 函数
1. 概述 Numpy 中 arange() 主要是用于生成数组,具体用法如下: 2. arange() 2.1 语法 numpy.arange(start, stop, step, dtype = ...
python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组、使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank)
python使用numpy中的flatten函数将2D numpy数组拉平为1Dnumpy数组.使用np.linalg.matrix_rank函数计算2D numpy数组的秩(rank) 目录

numpy中的省略号（...）和冒号（:）