在 Python 中的这个数组切片中这个 'a' 的目的是什么（ W[: , : , : , a] ）？

Question

下面是代码示例：

weights = W[:,:,:,a]

这里，a是一个整数

在数组切片中，我需要对 Python 的切片表示法进行很好的解释（参考是​​加分项）。我不明白这个'a'的目的是什么。我们知道 3D 数组就像一堆矩阵，其中：

• 第一个索引 i 选择矩阵
• 第二个索引 j 选择行
• 第三个索引 k 选择列

Answer 1

形状：

让 M 成为您的 n 维数组：

参考图片：https://fgnt.github.io/python_crashkurs_doc/_images/numpy_array_t.png

1. 形状为 M (x,) 表示您的数组有 x 行
2. 形状为 M (x, y) 表示您的数组有 x 行 和 y 列
3. M (x, y, z) 的形状表示您的数组有 x 行、y 列 和 z"层”

如果您愿意，可以将形状视为（lines、columns、layers、...），但当您谈论的是四维数组或更大的数组（也许您可以将它们命名为 stacks of blocks 用于第四维）。

无论如何，更好的命名约定如下：

M (轴 0, 轴 1, 轴 2, ..., 轴n) 如参考图片所示。

要在 Python 中查找数组的形状，只需编写：M.shape

切片：

在数组索引中，逗号分隔数组的维度： M [轴 0, 轴 1, 轴 2, ..., 轴 n时间>] 对于每个轴，您可以具有以下切片结构：

[开始：停止：步骤]其中：

1. start：所选轴的第一个索引（包含在结果中）

• start = 0为默认开始索引（无需指定）

1. stop：所选轴的最后一个索引（不包括在结果中）

• stop = len(axis)为默认结束索引（无需指定）

1. step：遍历选中轴的步长：

• step = 0 不允许
• step = 1为默认步长（无需指定）
• step = -1 表示反向遍历
• step = n 表示从 n 到 n 步

以下切片是等效的： M [0:n+1:1], M [:] 和 M[::] 根据默认 strong> 价值观。

混合在一起，现在我们可以用通用的切片符号来编写：

M [start-index-for-axis 0 : stop-index-for-axis 0 : step-for -轴0,
start-index-for-axis 1 : stop-index-for-axis 1 : step-for-axis 1我>,
start-index-for-axis 2 : stop-index-for-axis 2 : step-for-axis 2我>,
...
start-index-for-axis n : stop-index-for-axis n : step-for-axis n],

足够的理论，让我们看一些例子：

我们有 M，一个二维数组，形状为 (5, 5)：

M = np.arange(1, 26).reshape(5, 5)
print(M)

结果：

[[ 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]]

print('Traverse the matrix from the last line to the first one (axis=0)', matrix[::-1],  sep='\n')

结果：

[[21 22 23 24 25]
[16 17 18 19 20]
[11 12 13 14 15]
[ 6  7  8  9 10]
[ 1  2  3  4  5]]

print('The 3 columns in the middle of the matrix (take all data from axis=0, and take a slice from axis=1):' , matrix[:, 1:4],sep='\n')

结果：

[[ 2  3  4]
[ 7  8  9]
[12 13 14]
[17 18 19]
[22 23 24]]

现在，您的切片：W [:, :, :, a]，其中 a 是一个整数变量，可以被解释如：

• M是一个四维数组
• 您从 axis 0、axis 1 和 axis 2 获取所有内容
• 您只需从 axis 3 获取索引 a

一个四维数组可以想象成一个三维块的堆栈/数组，你的切片意味着：从每个块的每个矩阵中取出 a 列，最后得到一个三维数组。