(i:j:k) numpy 切片中 j 的默认值是多少？

Question

我一直在阅读 numpy i:j:k 切片的教程Scipy.org。在第二个例子之后，它说

假设 n 是被切片的维度中的元素数。然后，如果没有给出 i，它默认为 0 代表 k > 0 和 n - 1 代表 k 。如果 j 没有给出，它默认为 n 代表 k > 0 和 -1 代表 k 。如果没有给出 k，则默认为 1。

但是：

>>> import numpy as np
>>> x = np.array([0,1,2,3,4])
>>> x[::-1]
array([4, 3, 2, 1, 0])

如果j默认为-1，那么x[:-1:-1]应该等价于x[::-1]，但是

>>> x[:-1:-1]
array([], dtype=int64)
>>> x[:-(len(x)+1):-1]
array([4, 3, 2, 1, 0])

同时

>>> x[:-(len(x)+1):-1]
array([4, 3, 2, 1, 0])

所以k 时j的默认值应该是-(n+1)。而根据this post on stackoverflow，我相信当k 是None时j的“官方”默认值。

我是否误解了 SciPy.org 上的教程？

Answer 1

在第一级处理中，Python 解释器将:: 表示法转换为slice 对象。由 numpy.__getitem__ 方法来解释这 3 个数字。

[::-1] 与slice(None,None,-1) 相同。

如您所述，x[slice(None,None,-1)] 与 x[slice(None,-1,-1)] 不同。

我怀疑-1 在：

If j is not given it defaults to n for k > 0 and -1 for k < 0 .

并不意味着以这种方式被采用。相反，它具有通常的含义 -1，the number before 0。

在 [285] 中：np.arange(10)[slice(5,0,-1)] Out[285]: 数组([5, 4, 3, 2, 1])

j被解释为iterate upto, but not including, this value，迭代方向由k决定。所以0 值不包含在这个切片中。

那么如何包含0？

In [287]: np.arange(10)[slice(5,-1,-1)]
Out[287]: array([], dtype=int32)

不起作用，因为-1 被理解为n-1，如：

In [289]: np.arange(10)[slice(5,-7,-1)]
Out[289]: array([5, 4])

None 以一种特殊的方式解释，让我们可以使用：

In [286]: np.arange(10)[slice(5,None,-1)]
Out[286]: array([5, 4, 3, 2, 1, 0])

这也有效（10-11=-1 - 真正的-1）

In [291]: np.arange(10)[slice(5,-11,-1)]
Out[291]: array([5, 4, 3, 2, 1, 0])

所以-1 表示before 0 和-1 表示count from n 之间存在区别。文档可能对此很清楚，但这并没有错（如果您使用正确的-1）。