numpy数组切片操作之[:,2]、[-1:,0:2]、[1:,-1:]等都是啥？

注：最近在看代码，有好多关于numpy库的函数，尤其对于numpy数组，什么[:,2]、[-1:,0:2]、[1:,-1:]搞得一脸懵逼，百度没找到解释得很到位的，官网教程也也真是够简洁的。所以，还是得自己去实打实的敲一下，加强理解。

numpy数组切片操作

通过冒号分隔切片参数 start:stop:step 来进行切片操作：
形如：

b = a[2:7:2]   # 从索引 2 开始到索引 7 停止，间隔为 2

冒号 : 的解释：如果只放置一个参数，如 [2]，将返回与该索引相对应的单个元素。如果为 [2:]，表示从该索引开始以后的所有项都将被提取。如果使用了两个参数，如 [2:7]，那么则提取两个索引(不包括停止索引)之间的项。

一维数组

一维数组就如上所说，直接给例子看

>>>import numpy as np
>>>a = np.array([1,2,3,4,5,6,7,8])

1.只有一个参数

>>> a[1] #具体的元素 2
2
>>> a[1:] #冒号前面是起，后面是止，冒号前面空，指最小0，后面放空就是到最后，这里是一维数组
array([2, 3, 4, 5, 6, 7, 8])

对比一下下面这两个，一个是一维数组，一个是具体的单个元素，为什么呢？看后面解释。

>>> a[7:]
array([8])
>>> a[7]
8

2.两个参数

>>> print(a[1:3])  #从索引1开始，也就是第二个元素2，到索引3，不包括索引3
[2 3]

3.三个参数

>>> print(a[1:7:2]) #从索引1开始，到索引7，不包括索引7，间隔为2
[2 4 6]

一维数组，很好理解，毕竟中括号[]里只有冒号：，没有逗号，

二维数组

先定义一个二维数组

>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3][3 4 5][4 5 6]]

简单：

>>> a[1]
array([3, 4, 5])

单个参数的话，就是指的是1，第二行或第二列。这里是行，因为行优先我猜。
所以就是第2行的元素

>>> a[1:]
array([[3, 4, 5],[4, 5, 6]])

出现了冒号，意思是从第二号到最后，这里指的也是行。冒号后面没有数就是指最大的。冒号前面没有数，就是指最小数0。如下

>>> a[:2]
array([[1, 2, 3],[3, 4, 5]])

这里的意思就是，从0开始，到2，也就是第1行第二行。（第三行不算）

>>> a[1:2]
array([[3, 4, 5]])

现在是两个参数了，不过只有一个冒号：，跟一维数组一样，是从第二行到第三行，不包括第三行。

进阶

>>> a[1,]
array([3, 4, 5])
>>> a[1:,]
array([[3, 4, 5],[4, 5, 6]])
>>> a[:2,]
array([[1, 2, 3],[3, 4, 5]])
>>> a[1:2,]
array([[3, 4, 5]])

跟上面三个对比一下，发现输出一模一样。

总结：

这是numpy的切片操作，一般结构如num[a:b,c:d]，分析时以逗号为分隔符，
逗号之前为要取的num行的下标范围(a到b-1)，逗号之后为要取的num列的下标范围(c到d-1)；
前面是行索引，后面是列索引。
如果是这种num[:b,c:d]，a的值未指定，那么a为最小值0；
如果是这种num[a:,c:d]，b的值未指定，那么b为最大值；c、d的情况同理可得。

所以重点就是看逗号，没逗号，就是看行了，冒号呢，就看成一维数组的形式啦。那上面逗号后面没有树，也就是不对列操作咯。
当然也可以这样：

>>> a[:2:1]
array([[1, 2, 3],[3, 4, 5]])

首先没有逗号，那切片就是只看行了，这里的意思是，从0开始到2（2不算），间隔为1。

进阶up

首先先把原数组再看一下。

>>> import numpy as np
>>> a = np.array([[1,2,3],[3,4,5],[4,5,6]])
>>>print(a)
[[1 2 3]
[3 4 5]
[4 5 6]]

>>> a[:,1]
array([2, 4, 5])

逗号前面是行，行都没有指定数，也就是说对行每要求，只考虑列了。
这里的意思是：逗号之后是列，只有一个元素1，就是取第2列了。

>>> a[:,1:3]  #第2列到第3列
array([[2, 3],[4, 5],[5, 6]])
>>> a[:,0:2] #第1列到第2列
array([[1, 2],[3, 4],[4, 5]])
>>> a[:,]  #对列也不操作，跟下面等价
array([[1, 2, 3],[3, 4, 5],[4, 5, 6]])
>>> a[:,:]
array([[1, 2, 3],[3, 4, 5],[4, 5, 6]])

但是，下面的写法是错的！！！（就是逗号在最前面都是错的）

>>> a[,1]File "<stdin>", line 1a[,1]^
SyntaxError: invalid syntax
>>> a[,]File "<stdin>", line 1a[,]^
SyntaxError: invalid syntax
>>> a[,:1]File "<stdin>", line 1a[,1]^
SyntaxError: invalid syntax

到这，应该能基本看得懂所有的切片操作了吧！！！
但是，我们可能还会遇到负号，比如-1、-2…等这些。这些怎么理解呢？
看下图

也就是说，-1就是指最后一个（行/列），依次递推。

实战一波

>>> a[:,-1]  #就是最后一列啦
array([3, 5, 6])
>>> a[:,-3:]  #倒3列，也就是这个数组的第一列，一直到最后。
array([[1, 2, 3],[3, 4, 5],[4, 5, 6]])
>>> a[:,-3:-1]  #倒3列，到倒1列，不包括倒一列。
array([[1, 2],[3, 4],[4, 5]])

其他行和列就都差不多啦

ok，现在看看稍微难理解的。

进阶upup

对比一下下面两个，发现他们的维度不同，一个是一维的，一个是二维的。
我们上面也遇到一个，一个是一维，一个是具体的单个元素。

>>> a[:,-1]
array([3, 5, 6])

>>> a[:,-1:]
array([[3],[5],[6]])

我的理解：

第一个是，指定了最后一列，也就是说，在二维数组里的一列，就是一维的啊。那么第二个，是从最后一列开始，不妨假设一下后面还有列，那么就应该是不止一列，对机器来说，就是二维的。机器肯定不知道什么时候是一维，什么时候是二维的，所以当你用到start和stop的时候，那就当作是二维的了。

我的建议：

官网给出的教程实在是太简洁了。不够详细，所以啊，还是要自己动动手，就能很快明白numpy数组的切片操作了。

注;以上就是博主能想到的所以切片操作了吧，关于我的理解，如果有误的话，还请大佬指出，共同学习呀。

更新2021.10.13

有大半年没有更新博客了，这段时间一直准备春招，实习，秋招，到今天基本上可以结束坐等开奖了；
目前手里有近10个CV算法工程师意向书：字节，商汤，百度，顺丰，华为，小红书，拼多多，小马智行，海康威视，腾讯等。
接下来会花很多时间在小红书上整理这一过程所有的经验以及技巧，包括：丰富简历内容，如何打比赛（大佬止步），如何刷题，刷什么题，刷到什么程度，面试技巧，面经整理，hr面技巧，如何反问面试官，如何argue薪资等等等，大家有需要可以关注一波哈，内容保证丰富！助力大家秋招收割offer到手软！

大家如果是刚研一或者已经研二或者是大二或者大三赶紧关注一波，关注我秋招不踩坑！

小红书号：371845174（Activewaste，博客同名）

后面也会在小红书分享好用工具，插件，装逼神器等，手把手教学，大家关注起来哈！
我看有粉丝评论私信求更新的，大受鼓舞哈哈哈哈，后面会继续更新论文笔记，供大家参考互相学习！！！
另外我比较少上csdn，大家给我私信要联系方式或者评论问问题有时没看到（一个月没上，200+的通知），大家直接去小红书私信提问，或者催我撒！