切片slice
在NumPy中，切片（slicing）是一种选择数组元素子集的方法。切片操作基于索引，但允许你指定一个范围的索引，而不是单个索引。这对于处理多维数组（NumPy中的ndarray对象）特别有用。
一维数组切片
假设你有一个一维NumPy数组
arr，你可以使用冒号:来指定切片的开始和结束索引（切片是左闭右开的，即包括开始索引但不包括结束索引）。
pythonimport numpy as np arr = np.array([1, 2, 3, 4, 5]) print(arr[1:4]) # 输出: [2 3 4]在这个例子中，
arr[1:4]选择了从索引1开始到索引4（不包括索引4）的元素。多维数组切片
对于多维数组，你可以在每个维度上分别指定切片。
pythonarr_2d = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]]) # 选择第二行的所有元素 print(arr_2d[1, :]) # 输出: [4 5 6] # 选择所有行的前两列 print(arr_2d[:, :2]) # 输出: # [[1 2] # [4 5] # [7 8]] # 选择第一行和第二行的前两列 print(arr_2d[0:2, :2]) # 输出: # [[1 2] # [4 5]]使用省略号（
...）在NumPy中，省略号（
...）用于表示选择所有前面的维度，这在处理多维数组时非常有用，特别是当你想要对数组的一部分进行切片，但保留前面的维度不变时。然而，需要注意的是，在NumPy中直接使用
...进行切片的情况相对较少，因为它主要用于函数和方法的参数中，以指示"所有前面的维度"。但在某些情况下，你可以结合使用索引和省略号来实现特定的切片操作。不过，对于简单的切片任务，直接使用索引和冒号:就足够了。示例：省略号的使用
假设你有一个三维数组，并想要选择所有第一维和第二维的元素，但只选择第三维的特定切片。
python
import torch
a = torch.Tensor([[
[1, 2, 3, 4, 67],
[4, 5, 6, 7, 45],
[7, 8, 9, 10, 56]
], [
[11, 2, 3, 4, 47],
[41, 5, 6, 7, 46],
[71, 8, 9, 10, 36]
]])
print(a.shape) # torch.Size([2, 3, 5])
c = a[..., 4]
print(c, c.shape)
# tensor([[67., 45., 56.],
# [47., 46., 36.]]) torch.Size([2, 3])
d = a[1, ...]
print(d, d.shape)
# tensor([[11., 2., 3., 4., 47.],
# [41., 5., 6., 7., 46.],
# [71., 8., 9., 10., 36.]]) torch.Size([3, 5])c = a[..., 4] 表示保留前面所有维度，最后一个维度取第5个元素
d = a[1, ...] 表示第一个维度取第二个元素，保留后面的所有维度
双索引(高级索引)
在 NumPy 中，使用双索引（或称为高级索引）
probs[[0,1],[0,2]]的方式会从二维数组probs中选择特定的元素。具体来说，这种索引方式会按照第一个索引列表[0,1]中的索引来选择行，同时按照第二个索引列表[0,2]中的索引来选择列。假设
probs是如下定义的二维数组：
pythonimport numpy as np probs = np.array([[0.6590012, 0.242433, 0.0985659], [0.32278368, 0.14503606, 0.5321803]])那么，
probs[[0,1],[0,2]]的结果将会是：
- 从第一行（索引为 0）选择第一列（索引为 0）的元素，即
0.6590012- 从第二行（索引为 1）选择第三列（索引为 2）的元素，即
0.5321803因此，
probs[[0,1],[0,2]]的输出是：[0.6590012 0.5321803]
这是一个一维数组，包含了按照指定索引从
probs中选择的两个元素。