numpy.s_#
- numpy.s_ = <numpy.lib._index_tricks_impl.IndexExpression object>#
构建数组索引元组的一种更友好的方式.
备注
使用两个预定义的实例
index_exp或s_,而不是直接使用 IndexExpression .对于任何索引组合,包括切片和轴插入,对于任何数组 a ,
a[indices]与a[np.index_exp[indices]]相同.然而,np.index_exp[indices]可以在Python代码中的任何地方使用,并返回一个切片对象元组,该元组可用于构建复杂的索引表达式.- 参数:
- maketuplebool
如果为True,始终返回一个元组.
参见
s_不带元组转换的预定义实例:s_ = IndexExpression(maketuple=False) .
index_exp是另一个总是返回元组的预定义实例:index_exp = IndexExpression(maketuple=True) .
注释
你可以用
slice加上一些特殊的对象来完成所有这些,但是有很多东西需要记住,而且这个版本更简单,因为它使用了标准的数组索引语法.示例
>>> import numpy as np >>> 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])