python数组访问代码行颜色[rnd_ind，：]中“：”的目的是啥？ [复制]

Posted 2023-02-23

【中文标题】python数组访问代码行颜色[rnd_ind，：]中“：”的目的是啥？ [复制]

【英文标题】：What is purpose of ":" in python array access code line colors[rnd_ind, :]? [duplicate]python数组访问代码行颜色[rnd_ind，：]中“：”的目的是什么？ [复制]

【发布时间】：2017-04-22 02:47:24

【问题描述】：

我是 python 新手，许多结构让我的 C 风格的大脑感到震惊。 现在我需要了解一些 python 代码是如何工作的。

#Training inputs for RGBcolors
colors = np.array(
     [[0.0, 0.0, 0.0],
      [0.0, 0.0, 1.0],
      [0.0, 0.0, 0.5],
      [0.125, 0.529, 1.0],
      [0.33, 0.4, 0.67],
      [0.6, 0.5, 1.0],
      [0.0, 1.0, 0.0],
      [1.0, 0.0, 0.0],
      [0.0, 1.0, 1.0],
      [1.0, 0.0, 1.0],
      [1.0, 1.0, 0.0],
      [1.0, 1.0, 1.0],
      [0.33, 0.33, 0.33],
      [0.5, 0.5, 0.5],
      [0.66, 0.66, 0.66]])

for i in range(num_training):
    rnd_ind = np.random.randint(0, len(colors))
    s.train(colors[rnd_ind, :]) //what's going on here?

这是train 正文：

def train(self, input_x):
    # Compute the winning unit
    bmu_index, diff = self.session.run([self.bmu_index, self.diff], self.input_placeholder:[input_x], self.current_iteration:self.num_iterations)

    # Update the network's weights
    self.session.run(self.update_weights, self.diff_2:diff, self.dist_sliced:self.dist[bmu_index[0],:], self.current_iteration:self.num_iterations)

    self.num_iterations = min(self.num_iterations+1, self.num_expected_iterations)

我将断点设置为train，开始查看它的输入参数是什么样的，但我没有发现任何异常。这只是一个数组。

我尝试搜索并找到了这个Colon (:) in Python list index 问题，但它看起来有些不同，因为在我的情况下: 写在, 之后，但在他们的情况下它遵循一些值。

【问题讨论】：

它与listobj[:]中的:具有完全相同的目的，但numpy数组支持一个元组中的多个切片。

我认为 rnd_ind 用于选择行，: 用于包含所有列。

@MohammadYusufGhazi：是的，每个元组元素切分下一个数组维度；这里第一个索引是一个特定的行，第二个选择该行中的所有列。

@MartijnPieters K. 谢谢 :)

我现在明白了。谢谢。

【参考方案1】：

这与标准 python 数组无关。如果你在 python 列表中使用它，你会得到一个错误。

Traceback (most recent call last):
  File "asd.py", line 3, in <module>
    print(x[0, :])
TypeError: list indices must be integers or slices, not tuple

这是特定于 numpy.它是多维数组的索引。第一个数字是第一个维度，第二个是第二个等等。

import numpy as np

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

print(x[0, 1:2])

将输出[2]

【参考方案2】：

[] 索引中的 , 是 NumPy 的 indexing for multi-dimensional arrays 的一部分。