NumPy是Python语言的一个扩展程序库。支持高阶大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。在进行大量数据计算中，NumPy会为我们提供很多的方便。最近我在学习CV方面的知识，却老是弄混冒号在切片的作用，就写一篇文章来加深一下印象。

一维数组

  在一维数组中我们常见的表示方法有s[i:j] ，s[i:j:k]，s[::-1]等等，下面我会依次实验一下各种符号的作用。

import numpy as np
# 生成一个0到9的np数组（注意跟数组一样，下标是从零开始）
a = np.arange(10)
# 打印数组
print("a={}".format(a))
# 取下标为1的元素到下标为8的元素（左闭右开）
b=a[1:8]
print("b={}".format(b))
# 开头省略意味着从起始位置开始取-1代表倒数第一个元素位置（左闭右开）
c=a[:-1]
print("c={}".format(c))
# 开头省略意味着从起始位置开始取-2代表倒数第二个元素位置（左闭右开）
d=a[:-2]
print("d={}".format(d))
# 从倒数第二个元素开始直到最后一个元素为止
e=a[-2:]
print("e={}".format(e))
# a[i:j:k]表示从i开始步长为k取到j元素为止
f= a[1:8:2]
print("f={}".format(f))
# s[::-1]是从最后一个元素到第一个元素反向复制一遍
g=a[::-1]
print("g={}".format(g))

输出：

在一维数组中还是比较简单的，“：代表取全部元素”

二维数组

  二维数组的情况稍微复杂，因为维度增加了所以引入“，”来作为不同维度的分隔符

import numpy as np
 
a = np.array([[1,2,3],[3,4,5],[4,5,6]])
# 打印数组
print("a={}".format(a))
 
# 第一维全取（即行），第二位只取下标为1的那列
b=a[:,1]
print("b={}".format(b))
 
# 第一维全取（即行），第二位从下标为1的那列起直到结尾
c=a[:,1:]
print("c={}".format(c))
 
# 第二维全取（即列），第一维只取下标为1的那列
d=a[1,:]
print("d={}".format(d))
 
# 第一维取下标为一开始，第二维取到下标为1为止
e=a[1:,:1]
print("e={}".format(e))
 
# 此处省略号可以理解为取全部元素，需要具体分析
f= a[1,...]
print("f={}".format(f))

输出：

三维数组

  三维数组乃至多维数组是比较难理解的，需要多进行操作思考

import numpy as np
 
a = np.array([[[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, 36]],
              ])
# 打印数组
print("a={}".format(a))
b=a[1,2,1]
print("b={}".format(b))
 
c=a[::,1]
print("c={}".format(c))
 
d=a[1,:1,2:]
print("d={}".format(d))

输出：

在这里推荐一位大佬写的文章，十分详细，我只是挑了其中的一小部分，想要更加深入了解的同学移步：Python二维数组与三维数组切片详解

原文链接:https://blog.csdn.net/qq_40608137/article/details/105240099