numpy.s_ #
- 麻木的。s_ = <numpy.lib.index_tricks.IndexExpression对象> #
为数组构建索引元组的更好方法。
笔记
使用两个预定义实例之一
index_exp
,而s_
不是直接使用IndexExpression。对于任何索引组合,包括切片和轴插入, 与任何数组a
a[indices]
相同。但是,可以在 Python 代码中的任何位置使用,并返回可用于构造复杂索引表达式的切片对象元组。a[np.index_exp[indices]]
np.index_exp[indices]
- 参数:
- 布尔值
如果为 True,则始终返回一个元组。
也可以看看
index_exp
始终返回元组的预定义实例:index_exp = IndexExpression(maketuple=True)。
s_
没有元组转换的预定义实例:s_ = IndexExpression(maketuple=False)。
笔记
您可以使用slice()加上一些特殊对象来完成所有这些操作,但是需要记住很多东西,并且这个版本更简单,因为它使用标准数组索引语法。
例子
>>> np.s_[2::2] slice(2, None, 2) >>> np.index_exp[2::2] (slice(2, None, 2),)
>>> np.array([0, 1, 2, 3, 4])[np.s_[2::2]] array([2, 4])