(i:j:k) numpy 切片中 j 的默认值是多少？

Question

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

Assume n is the number of elements in the dimension being sliced. Then, if i is not given it defaults to 0 for k > 0 and n - 1 for k < 0. If j is not given it defaults to n for k > 0 and -1 for k < 0. If k is not given it defaults to 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])

而

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

所以当k < 0时j的默认值应该是-(n+1)。根据 this post on Whosebug，我相信当 k < 0 时 j 的 "official" 默认值是 None.

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 :: 符号转换为 slice 对象。由 numpy.__getitem__ 方法来解释这 3 个数字。

[::-1] 等同于 slice(None,None,-1).

如您所见，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 .

不应该以这种方式进行。相反，它具有 -1、the number before 0.

的通常含义

在[285]中：np.arange(10)[切片(5,0,-1)] 输出 [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。因此 0 值不包含在此切片中。

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])

因此 -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（如果你使用正确的-1）。

(i:j:k) numpy 切片中 j 的默认值是多少？

What is the default value of j in (i:j:k) numpy slicing?

python

numpy

slice