numpy.s_#
- numpy.s_ = <numpy.lib._index_tricks_impl.IndexExpression object>#
构建数组索引元组的一种更简洁的方式。
注意
使用两个预定义实例之一
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,
a[indices]
与a[np.index_exp[indices]]
相同,对于任何数组 a 都是如此。但是,np.index_exp[indices]
可用于 Python 代码中的任何位置,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,则始终返回一个元组。
参见
s_
无元组转换的预定义实例: s_ = IndexExpression(maketuple=False)。
index_exp
是另一个预定义实例,它始终返回一个元组: index_exp = IndexExpression(maketuple=True)。
备注
可以使用
slice
加上一些特殊对象来完成所有这些操作,但需要记住很多内容,而此版本更简单,因为它使用标准数组索引语法。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])