`numpy` 中的 `slice` (:) 和 `ellipsis` (...) 运算符有什么区别？

Question

我遇到了一个代码，其中作者使用ellipsis 运算符（例如，[..., 1]）和numpy 数组而不是slice 运算符（例如，[:, 1]）获取数组部分。

我对该主题的研究：

1. 从scipy github wiki page 我了解到，这两个运算符执行的操作有些相似，即返回多维数组的一个切片。

2. 我翻过this question，其中处理了numpy数组的几种切片技术，但没有找到关于何时应该使用slice运算符以及何时需要使用ellipsis，或者它们的功能是否相同。

3. 来自Example 1 我看不出这两个运算符有什么区别：

示例 1：

    import numpy as np

    A = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])
    A[..., 0], A[:, 0]    # Out: (array([1, 4, 7]), array([1, 4, 7]))
    A[..., 0] == A[:, 0]  # Out: array([ True,  True,  True])

所以我的问题是：

• slice 与 ellipsis 运算符与 numpy.ndarrays 一起使用有什么区别？
• 它们可以互换使用吗？
• 使用其中一种有什么优势吗？

非常感谢您能详细说明我的问题，并提前感谢您抽出宝贵时间。

Answer 1

两者背后的动机完全不同。

• 省略号表示“所有其他维度（我懒得一一列举或不确定或不在乎有多少）”

• 切片表示“由开始和结束索引（和步幅）指定的当前维度的子集”。