在numpy数组中切片和在Python中切片列表有什么区别？

Question

如果curr_frames是一个numpy数组，最后一行的意思是什么？

curr_frames = np.array(curr_frames)

idx = map(int,np.linspace(0,len(curr_frames)-1,80))

curr_frames = curr_frames[idx,:,:,:,]

- Mong Ting Wong Marma

---

欢迎来到Stack Overflow。阅读 这篇文章 可能会对您有帮助。此类问题的通常格式是呈现一些运行出现意外结果的代码，并描述发生了什么以及您期望的结果。答案应该帮助您解决问题。您可以编辑您的问题（在其下面找到链接）。 - holdenweb

它们不同之处在于它们非常不同。你可以阅读numpy文档，以了解numpy切片的工作原理。事实是，在Python中，当你实现自己的类（就像numpy那样）时，你可以定义切片来执行任何你想要的操作。 - zvone

Answer 1

与Python内置的列表相比，numpy数组有一个重要的区别：

• when slicing in the built-in list it creates a copy.

  X=[1,2,3,4,5,6]
  Y=X[:3]   #[1,2,3]
  

  by slicing X from 0-3 we have created a copy and stored it in the variable Y.

我们可以通过更改Y来验证，并且即使我们更改了Y，也不会影响X。

    Y[0]=20
    print(Y) # [20,2,3]
    print(X) # [1,2,3,4,5,6]

• when slicing in numpy doesn't create a new copy but it still referring to original array

  A=np.array([1,2,3,4,5,6])
  B=A[:3]
  

通过在此处对A进行切片并将其分配给B，仍然使B引用原始数组A。

我们可以通过更改B中的元素来验证这一点，并且它也会更改A中的值。

    B[0]=20
    print(B) # [20,2,3]
    print(A) # [20,2,3,4,5,6]

- Ravi

---

特别是当X非常大时，这是一个很好的观点。在numpy数组和列表之间进行切片处理可以大幅提高速度。 - Aenaon

Answer 2

主要区别在于numpy切片可以处理多个维度。 在您的示例中，curr_frames[idx,:,:,:,]，数组有4个维度，您正在提供一个维度(idx)的索引并且:符号表示检索该维度的所有元素。

参考资料： NumPy 切片 Python 切片

- kentwait