在 numpy 数组中切片和在 Python 中切片有什么区别？

Question

如果curr_frames是一个numpy数组，最后一行是什么意思？

curr_frames = np.array(curr_frames)

idx = map(int,np.linspace(0,len(curr_frames)-1,80))

curr_frames = curr_frames[idx,:,:,:,]

Answer 1

从 Python 的内置列表到 numpy 数组的一个重要区别：

• 当在内置列表中切片时，它会创建一个副本。

  X=[1,2,3,4,5,6]
  Y=X[:3]   #[1,2,3]
  

  通过将 X 从 0-3 切片，我们创建了一个副本并将其存储在变量 Y 中。

我们可以通过改变 Y 来验证，即使我们改变 Y 也不会影响 X。

    Y[0]=20
    print(Y) # [20,2,3]
    print(X) # [1,2,3,4,5,6]

• 在 numpy 中切片时不会创建新副本，但它仍指原始数组

  A=np.array([1,2,3,4,5,6])
  B=A[:3]
  

通过在这里切片 A 并将其分配给 B，仍然 B 指的是原始数组 A。

我们可以通过改变 B 中的一个元素来验证这一点，它也会改变 A 中的值。

    B[0]=20
    print(B) # [20,2,3]
    print(A) # [20,2,3,4,5,6]

Answer 2

主要区别在于 numpy 切片可以处理多个维度。在您的示例中curr_frames[idx,:,:,:,]，数组有 4 个维度，您通过提供一维 ( idx) 的索引来进行切片，并且:符号表示检索该维度的所有维度。

参考：

NumPy 切片

Python 切片