python arrayにおける[a,b,c]の使用方法の詳細

numpyでもtensorflowでも、機械学習の過程でarrayの要素を抽出するために[]を使うことが多いが、多くの資源を探した後、比較的良い解釈がないことに気づいた.私は試した後にlist[]の使い方と解析を提供し、大家に役立つことを望んでいる.
このようなデータを例にとると

list1 = np.arange(24).reshape([2,3,4])
‘’‘
 [[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
  ’‘’

[a,b,c]タイプ

arrayで位置[a,b,c]の要素を取り,あまり説明しない.

print(list1[1,1,1]) 
# 17

[]に':'記号

が含まれています.
のみ:の場合、ある次元のすべての要素を表します:前後に数字がある場合、その次元をリストとして、1:3はインデックス1,2を表す要素です.
その関係は2つの例を示しており、その原理を考えることができます.

print(list1[:,:,1]) #               ，       1    
‘’‘
[[ 1  5  9]
 [13 17 21]]
’‘’

print(list1[:,1:3,-1]) #            ，        1 2   ，             
'''
[[ 7 11]
 [19 23]]
'''

Noneが現れた時

Noneは次元を追加するために使用され、どこに現れるかで1次元を追加します.

print(list1)
print(list1[None]) #            
print(list1[None].shape)
'''
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[[[ 0  1  2  3]
   [ 4  5  6  7]
   [ 8  9 10 11]]

  [[12 13 14 15]
   [16 17 18 19]
   [20 21 22 23]]]]
(1, 2, 3, 4)
'''

print(list1)
print(list1[:,:,None])
print(list1[:,:,None].shape)

‘’‘
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[[[ 0  1  2  3]]

  [[ 4  5  6  7]]

  [[ 8  9 10 11]]]


 [[[12 13 14 15]]

  [[16 17 18 19]]

  [[20 21 22 23]]]]
(2, 3, 1, 4)
’‘’

Noneの役割はnp.newaxisの役割は同じですが、次の例を挙げてみましょう.

print(list1)
print(list1[None,])
print(list1[None,].shape)
print(list1[np.newaxis,:])
print(list1[np.newaxis,:].shape)

‘’‘
[[[ 0  1  2  3]
  [ 4  5  6  7]
  [ 8  9 10 11]]

 [[12 13 14 15]
  [16 17 18 19]
  [20 21 22 23]]]
[[[[ 0  1  2  3]
   [ 4  5  6  7]
   [ 8  9 10 11]]

  [[12 13 14 15]
   [16 17 18 19]
   [20 21 22 23]]]]
(1, 2, 3, 4)
[[[[ 0  1  2  3]
   [ 4  5  6  7]
   [ 8  9 10 11]]

  [[12 13 14 15]
   [16 17 18 19]
   [20 21 22 23]]]]
(1, 2, 3, 4)
’‘’