Numpy中的冒号、None、slice(None)在数组索引器中的使用

在本文中，我们将介绍Numpy数组索引器中常用的三个对象：冒号（:）、None和slice(None)，它们在Numpy中的使用极为广泛，是Numpy中非常常见和实用的一些技巧。

阅读更多：Numpy 教程

冒号（:）

在Numpy数组索引器中，冒号（:）表示“所有”，用来表示一个维度或多个维度的全部内容。例如，我们可以使用冒号访问数组的全部行或全部列。

import numpy as np

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

# 访问所有行和列，即整个数组
print(arr[:, :])

# 访问第一行和第二行，所有列
print(arr[0:2, :])

# 访问所有行，第二列和第三列
print(arr[:, 1:])

在第一个print语句中，冒号（:）出现了两次，分别表示访问数组的所有行和所有列。在第二个print语句中，冒号的左侧和右侧分别表示访问数组的第一行和第二行，所有列。在第三个print语句中，冒号表示访问数组的所有行，冒号右侧的数字1表示访问数组的第二列及以后的所有列。

None

None在Numpy数组索引器中的使用是用来表示空维度。当我们希望访问数组的某一维度时，如果该维度上的位置是None，则表示忽略该维度上的内容。示例如下：

import numpy as np

arr = np.array([[[1, 2],
                 [3, 4]],
                [[5, 6],
                 [7, 8]]])

# 访问第一张图片，第二行，所有列
print(arr[0, 1, :])

# 访问所有图片，第一列，第二个像素点
print(arr[:, 0, 1])

在第一个print语句中，我们使用了None来表示访问的是数组的第一张图片，第二行的全部列，即忽略了数组的第一维。在第二个print语句中，我们使用了None来表示访问的是数组的所有图片，第一列的第二个像素点，即忽略了数组的第二维。

slice(None)

当我们希望在Numpy数组索引器中使用None来表示忽略某一维度的时候，如果这个维度是数组的第一个维度，我们可以省略None，直接使用一个冒号。但如果这个维度不是第一个维度，我们就必须使用slice(None)来表示。示例如下：

import numpy as np

arr = np.array([[[1, 2],
                 [3, 4]],
                [[5, 6],
                 [7, 8]]])

# 访问所有图片，第一行，所有列
print(arr[:, 0, :])

# 访问所有图片，第二列，第一个像素点
print(arr[:, :, 1])

在第一个print语句中，我们可以简单地使用一个冒号来表示访问数组的所有图片，第一行的所有列。但在第二个print语句中，我们需要访问数组的所有图片，第二列的第一个像素点，因此我们需要使用slice(None)来表示忽略数组的第二维。