无的numpy索引切片

Question

通过numpy的滑动窗口示例进行工作。试图了解,None的start_idx =np.arange(B[0])[:,None]

foo = np.arange(10)
print foo
print foo[:]
print foo[:,]
print foo[:,None]

效果None似乎是转置数组。

[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
[0 1 2 3 4 5 6 7 8 9]
[[0]
 [1]
 [2]
 [3]
 [4]
 [5]
 [6]
 [7]
 [8]
 [9]]

但是我不确定。我没有找到解释第二个参数（None）的文档。对于Google来说，这也是一个艰难的片段。该numpy的阵列文档让我觉得它是与先进的索引，但我不能肯定不够。

Answer 1

foo[:, None]将一维数组扩展foo到第二维。实际上，numpy使用别名np.newaxis来做到这一点。

考虑 foo

foo = np.array([1, 2])
print(foo)

[1 2]

一维阵列具有局限性。例如，什么是移调？

print(foo.T)

[1 2]

与数组本身相同

print(foo.T == foo)

[ True True]

此限制有很多含义，foo在更高维度的上下文中考虑变得很有用。numpy的用途np.newaxis

print(foo[np.newaxis, :])

[[1 2]]

但这np.newaxis只是语法糖None

np.newaxis is None

True

因此，我们通常会None改用它，因为它的字符更少，含义相同

print(foo[None, :])

[[1 2]]

---

好吧，让我们看看我们还能做些什么。注意，我None在第一个位置使用示例，而OP在第二个位置使用示例。此位置指定要扩展的尺寸。而且我们可以采取进一步的措施。让这些例子帮助解释

print(foo[None, :])  # same as foo.reshape(1, 2)

[[1 2]]

---

print(foo[:, None])  # same as foo.reshape(2, 1)

[[1]
 [2]]

---

print(foo[None, None, :])  # same as foo.reshape(1, 1, 2)

[[[1 2]]]

---

print(foo[None, :, None])  # same as foo.reshape(1, 2, 1)

[[[1]
  [2]]]

---

print(foo[:, None, None])  # same as foo.reshape(2, 1, 1)

[[[1]]

 [[2]]]

---

记住numpy打印数组时哪个维度

print(np.arange(27).reshape(3, 3, 3))

          dim2        
          ────────⇀
dim0 →  [[[ 0  1  2]   │ dim1
          [ 3  4  5]   │
          [ 6  7  8]]  ↓
          ────────⇀
     →   [[ 9 10 11]   │
          [12 13 14]   │
          [15 16 17]]  ↓
          ────────⇀
     →   [[18 19 20]   │
          [21 22 23]   │
          [24 25 26]]] ↓