看来我迷失在一些可能很愚蠢的事情中。我有一个n维numpy数组，我想将它与沿某个维度(可以改变!)的向量(一维数组)相乘。例如，假设我想沿第一个数组的轴0将一个二维数组乘以一个一维数组，我可以这样做:a=np.arange(20).reshape((5,4))b=np.ones(5)c=a*b[:,np.newaxis]很简单，但我想将这个想法扩展到n维(对于a，而b始终是1d)和任何轴。换句话说，我想知道如何在正确的位置生成带有np.newaxis的切片。假设a是3d，我想沿axis=1相乘，我想生成正确给出的切片:c=a*b[np.newaxis,:,np.newaxis]即给定a

这个问题在这里已经有了答案:Whydoessubstringslicingwithindexoutofrangework?(3个答案)关闭9年前。虽然这段代码会引发indexError:In[1]:lst=[1,2,3]In[2]:lst[3]IndexError:listindexoutofrange使用“索引超出范围”对列表进行切片不会产生任何错误。In[3]:lst[3:]Out[3]:[]这种设计的基本原理是什么？

今天在编写一些单元测试时偶然发现了一些有点令人困惑的事情:blah=['a','b','c']blah[:-3]#[]blah[:-2]#['a']blah[:-1]#['a','b']blah[:-0]#[]我这辈子都想不通为什么blah[:-0]#[]应该是这样，模式似乎肯定表明它应该是['a','b','c']。任何人都可以帮助阐明为什么会这样吗？无法在文档中找到关于为什么会出现这种情况的提及。 最佳答案 -0是0，从list开始到索引0的切片>non-inclusive是一个空的list。

相当简单的问题。假设我有一个像这样的列表:a=[3,4,54,8,96,2]我可以使用切片来省略列表中间的元素来生成这样的结果吗？a[some_slicing][3,4,8,96,2]元素54是否被遗漏了。我猜这会成功:a[:2:]但结果不是我所期望的:[3,4] 最佳答案 你不能用单个切片模拟弹出，因为切片只给你一个开始和结束索引。但是，您可以使用两个切片:>>>a=[3,4,54,8,96,2]>>>a[:2]+a[3:][3,4,8,96,2]你可以把它包装成一个函数:>>>defcutout(seq,idx):"""Remo

每当我将单个值分配给多维内存View的切片时，Cython似乎使用了错误的步幅，除非切片沿着第一维。我在下面给出一个完整的例子:#bug.pyimportnumpyasnpdefbug():#cdefint[:,::1]aa=2*np.ones((2,2),dtype=np.intc)a[:,:1]=1print(np.asarray(a))如果我们在Python中运行它(例如python3-c'importbug;bug.bug()')，我们得到[[12][12]]如预期的那样打印出来。我现在通过将文件重命名为bug.pyx用Cython编译它，将以下内容保存在同一目录的Makefi

我有两个数组A,B并且想在它们的最后一个维度上取外积，例如结果[:,i,j]=A[:,i]*B[:,j]当A,B是二维的。如果我不知道它们是2维还是3维，我该怎么做？在我的具体问题中，A,B是一个更大的3维数组Z的切片，有时这可能会用整数索引A=Z[:,1,:],B=Z[:,2,:]和其他时间调用带有切片A=Z[:,1:3,:],B=Z[:,4:6,:]。由于scipy“挤压”单例维度，我不知道我的输入是什么维度会的。我试图定义的数组外积应该满足array_outer_product(Y[a,b,:],Z[i,j,:])==scipy.outer(Y[a,b,:],Z[i,j,:])a

我有一个形状为(28,8,20)的np.arraydata，我只需要其中的某些条目，所以我要切片:In[41]:index=np.array([5,6,7,8,9,10,11,17,18,19])In[42]:extract=data[:,:,index]In[43]:extract.shapeOut[43]:(28,8,10)到目前为止一切顺利，一切都应该如此。但现在我只想查看第一行最后一个索引中的前两个条目:In[45]:extract[0,:,np.array([0,1])].shapeOut[45]:(2,8)等等，应该是(8,2)。它改变了索引，即使我上次切片时它没有!根据我

我正在处理多维Numpy数组。当使用其他索引数组访问这些数组时，我注意到一些不一致的行为。例如:importnumpyasnpstart=np.zeros((7,5,3))a=start[:,:,np.arange(2)]b=start[0,:,np.arange(2)]c=start[0,:,:2]print'a:',a.shapeprint'b:',b.shapeprint'c:',c.shape在这个例子中，我得到了结果:a:(7,5,2)b:(2,5)c:(5,2)这让我很困惑。为什么“b”和“c”的尺寸不同？为什么“b”交换轴顺序，而不是“a”？由于大量的单元测试，我已经能够

我有一个3d数组，a，形状为a.shape=(10,10,10)切片时，维度会自动压缩，即a[:,:,5].shape=(10,10)我想保留维数，但还要确保被压缩的维是显示1的维，即a[:,:,5].shape=(10,10,1)我考虑过重新转换数组并传递ndmin但这只是将额外的维度添加到形状元组的开头，而不管切片来自数组a。 最佳答案 a[:,:,[5]].shape#(10,10,1)a[:,:,5]是basicslicing的一个例子.a[:,:,[5]]是integerarrayindexing的一个例子--combin

这个问题困扰我很久了:给定一个简单的pandasDataFrame>>>dfTimestampCol12008-08-010.0013732008-09-010.0401922008-10-010.0277942008-11-010.0125902008-12-010.0263942009-01-010.0085642009-02-010.0077142009-03-01-0.0197272009-04-010.0088882009-05-010.0398012009-06-010.0100422009-07-010.0209712009-08-010.0119262009-09-01