Python学习 从低维数组到多维数组切片

python的切片操作十分简洁，但是自己遇到的问题是在切片操作发现省略号，经过查询原来是高维数组切片操作。现在进行一下记录。

首先，第一个问题是python中的列表list和numpy中的array的关系。二者是不同的。虽然都可以构建数组进行切片操作，但是二者是两回事，可以互相转换。

list是python内置的集合类型，与tuple元组、dictionary字典同属三大集合类型。list可以是字符也可以是数字，可以是任意对象混合，当全是数值时，可以当做数组使用。但是list保存的是对象的指针，当保存一个list时，不仅要保存对象还要保存对象指针，显然比较浪费资源。

list对于list存在着添加元素append、删除元素remove等操作，但是array没有。最大不同，无法对整个list的数值进行操作，如两个list相加只是单纯的叠加，并不是数值上的相加；或者list乘以常数时，是多次的叠加。

>>> a = [1,2,3]
>>> type(a)

>>> a.append(4)
>>> a
[1, 2, 3, 4]
>>> a + a
[1, 2, 3, 4, 1, 2, 3, 4]
>>> a * 3
[1, 2, 3, 4, 1, 2, 3, 4, 1, 2, 3, 4]

array是numpy包中的类型。注意array与list不同，它要求元素类型为同一类型。array类型可以对数值进行相应的操作，所以利用array构建数组会更好一点。

>>> b = np.array([1,2,3])
>>> b + b
array([2, 4, 6])
>>> b * 3
array([3, 6, 9])

list类型和array类型可以相互转换：

>>> c = np.array(a)  # 转换为array类型
>>> type(c)

>>> d = c.tolist()   # 转换为list类型
>>> type(d)
     

 接下来是主题，一维数组切片操作对于list和array来说都一样，但是到二维以及多维，嵌套的list切片操作就变得比较鸡肋，只能横向切片，所以多维数组切片指的都是array类型。

一维数组切片：

索引都是从0开始的，对于一维数组来说存在三个参数，[起始位置：终点位置：步长]。其中-1代表最后一个位置。加冒号代表后面的都包括，不加代表取单独一个元素。

>>> a = [1, 2, 3, 4, 6, 7]

>>> a[1:]
[2, 3, 4, 6, 7]

>>> a[-3:]
[4, 6, 7]

>>> a[1::2]
[2, 4, 7]

二维数组切片：

这里开始单指array类型。 其实操作也很简单，参数由两部分组成，分别代指二维数组的两个下标，个人理解是第一个是行，第二个是列。经过实验发现步长参数还是可以用的，也就是为[起始位置：终点位置：步长，起始位置：终点位置：步长]

>>> b = np.array([[1, 2, 3],[4, 5, 6]])

# 取一行
>>> b[0]
array([1, 2, 3])

# 取一列
>>> b[:,1]
array([2, 5])

# 取两列
>>> b[:,-2:]
array([[2, 3],
       [5, 6]])

# 采用步长，取两列
>>> b[:,::2]
array([[1, 3],
       [4, 6]])

# 取一个值
>>> b[0,1]
2
>>> b[0][1]
2

 自己的理解就是，逗号之前的索引部分代表选取几行，逗号之后的索引代表选取几列。

多维数组切片（三维及以上）

省略号的出现就是在多维数组切片时出现了，省略号代表省略了多个冒号。

多维的切片往往令人不好在空间上想象，但是，以三维为例，每一个部分其实依旧对应每一维的下标。对于我而言三维数据，习惯第一维想成各个面，然后第二维是每面中的行数，第三维是每面中的列数。

同样在多维数组切片步长还是可以用的，多维就是比二维多几个维度，当出现多个冒号时可以用省略号替代。

>>> c = np.array([[[1,2,3],[4,5,6]],[[7,8,9],[10,11,12]]])
>>> c
array([[[ 1,  2,  3],
        [ 4,  5,  6]],

       [[ 7,  8,  9],
        [10, 11, 12]]])

# 取第一个面
>>> c[0]
array([[1, 2, 3],
       [4, 5, 6]])

# 取两个面中的第一行
>>> c[:,0]
array([[1, 2, 3],
       [7, 8, 9]])

# 取两个面中的第一列，使用省略号
>>> c[...,0]
array([[ 1,  4],
       [ 7, 10]])
>>> c[:,:,0]
array([[ 1,  4],
       [ 7, 10]])

# 取两个面中的前两列
>>> c[...,:2]
array([[[ 1,  2],
        [ 4,  5]],

       [[ 7,  8],
        [10, 11]]])

# 使用步长取两面中的间隔两列

>>> c[...,::2]
array([[[ 1,  3],
        [ 4,  6]],

       [[ 7,  9],
        [10, 12]]])

三维数组切片还可以根据空间想象来切片，但是更高维的话就依次根据对应的维度按照需求进行切片就行。