蟒蛇切片多demnsional阵列

Question

可以在任何一个解释我如何做以下工作命令（<---）在python numpy的

r = np.arange(36) 
r.resize(6,6) 

r.reshape(36)[::7] # <--- 

Answer 1

你只需要运行的命令逐一分析它们的输出：

• 创建第一个[0, 35]数字的列表。

  >>> r = np.arange(36) 
  >>> r 
  array([ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 
       17, 18, 19, 20, 21, 22, 23, 24, 25, 26, 27, 28, 29, 30, 31, 32, 33, 
       34, 35]) 
  

• 重塑列表就地到6 x 6数组：

  >>> r.resize(6,6) # equivalent to r = r.reshape(6,6) 
  >>> r 
  array([[ 0, 1, 2, 3, 4, 5], 
       [ 6, 7, 8, 9, 10, 11], 
       [12, 13, 14, 15, 16, 17], 
       [18, 19, 20, 21, 22, 23], 
       [24, 25, 26, 27, 28, 29], 
       [30, 31, 32, 33, 34, 35]]) 
  

• 重塑矢量r到1Dimensional矢量

  >>> tmp = r.reshape(36) 
  

  tmp以上是完全一样的作为r在第一步

• 过滤每7元件

  >>> tmp[::7] 
  array([ 0, 7, 14, 21, 28, 35]) 
  

  切片/索引被表示为i:j:k，其中i = from，j = tok = step和。因此，5:10:2将意味着从元素5到10的，每2步给我元素。如果i不存在，则假定它是从数组开始的。如果j不存在，则假定它是直到数组结束。如果k不存在，则假定其具有1（步骤1中的所有元素）。

与所有上述情况，你可以重写你的例子在一个单一的路线为：

>>> np.arange(36)[::7] 

或者，如果你已经有了r，这是N维：

>>> r.ravel()[::7] 

这里ravel将返回r的1维视图（优选为reshape(36)）。

如果您想了解更多关于切片的信息，请参考numpy documentation。

Answer 2

首先，您使用的是NumPy ndarray.reshape，它将给定的阵列重建为指定的形状。在你的情况下，你将它转换成一个有36个元素的1维数组。其次，使用括号之间的数字，您的数组中的某些值为indexing。切片由每个维度3个值组成，形式为[number1：number2：number3]。如果您将这些值保留为空（例如您的情况为数字1和2），您将保留它们为默认值，即number1将为0，number2将为-1（最后一个数组索引），number3将为3：

• 第一个数字表示您将开始采用值的数组索引。
• 第二个数字表示您将停止取值的数组索引。
• 最后，最后一个数字表示每次读取索引后将被忽略的位置数。就你而言，你每读7个索引。

Answer 3

有一点需要补充，既reshape()和resize()方法具有相同的功能，它们之间唯一的区别是它们如何影响到调用数组对象r：

• r.resize()没有返回。它直接改变调用数组对象r的形状。
• r.reshape()返回一个新的重新整形的数组对象。并保持原来的r不变。

---

>>> import numpy as np 
>>> r = np.arange(36) 
>>> r.shape 
(36,) 
>>> # 1. --- `reshape()` returns a new object and keep the `r` --- 
>>> new = r.reshape(6,6) 
>>> new.shape 
(6, 6) 
>>> 
>>> # 2. --- resize changes `r` directly and returns `None` --- 
>>> nothing = r.resize(6,6) 
>>> type(nothing) 
<class 'NoneType'> 
>>> r.shape 
(6, 6)