对ndarray索引的操作

In python, x[(exp1, exp2, …, expN)] is equivalent to x[exp1, exp2, …, expN]. (exp1, exp2, …, expN) is called selection tuple.

不同dim用逗号","隔开

对某一dim切片取索引用i：j：k

• i是起始索引，j是结束索引，k是间隔（每k个元素取一个）
• 如果i或j是负数，就是倒数第|i|或|j|个数，index = n + i and n + j where n is the number of elements in the corresponding dimension
• 如果k是负数，逆向取索引，从右往左（stepping go towards smaller indices）

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

x[-2:10]
array([8, 9])
x[-3:3:-1]
array([7, 6, 5, 4])

• ::与:和相同，表示选择沿此轴的所有index

x[5:]
array([5, 6, 7, 8, 9])

• 如果ndarray有N个维度，但我们只写了对前n个维度的切片索引，则对后续的任何维度都假设为:（全部取，不切片）。

x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
x.shape
(2, 3, 1)
x[1:2] # 只切片第一维度
array([[[4],
        [5],
        [6]]])

• 切片还可以包括省略号 …，来使选择元组的长度与数组的维度相同。在selection tuple（就是a[ ]中）声明的dim切片，用…来代指其他dim都取。

>>> a = np.array([[1,2,3,4],[3,4,5,6],[4,5,6,7]])
>>> a[...,1].shape
(3,)
>>> a[...,1]
array([2, 4, 5])
>>> a[...,1:].shape
(3, 3)
>>> a[...,1:]
array([[2, 3, 4],
       [4, 5, 6],
       [5, 6, 7]])
>>> a[1,...]
array([3, 4, 5, 6])

• newaxis：增加一个unit-length dim

reference:
https://numpy.org/doc/stable/reference/arrays.indexing.html