strings slicing ranges array python syntax slice

slicing - ¿Qué es::(dos puntos) en Python al suscribir secuencias?



range python (9)

qué significa el 3 en somesequence [:: 3]

Depende de en qué clase lo esté usando exactamente porque:

También puede usar esta notación en sus propias clases personalizadas para que haga lo que quiera

class C(object): def __getitem__(self, k): return k # Single argument is passed directly. assert C()[0] == 0 # Multiple indices generate a tuple. assert C()[0, 1] == (0, 1) # Slice notation generates a slice object. assert C()[1:2:3] == slice(1, 2, 3) # If you omit any part of the slice notation, it becomes None. assert C()[:] == slice(None, None, None) assert C()[::] == slice(None, None, None) assert C()[1::] == slice(1, None, None) assert C()[:2:] == slice(None, 2, None) assert C()[::3] == slice(None, None, 3) # Tuple with a slice object: assert C()[:, 1] == (slice(None, None, None), 1) # Ellipsis class object. assert C()[...] == Ellipsis

A continuación, podemos abrir objetos de sector como:

s = slice(1, 2, 3) assert s.start == 1 assert s.stop == 2 assert s.step == 3

Esto se usa notablemente en Numpy para cortar matrices multidimensionales en cualquier dirección.

Por supuesto, cualquier API sana debería usar ::3 con la semántica habitual "cada 3".

Sé que puedo usar algo como string[3:4] para obtener una subcadena en Python, pero ¿qué significa 3 en somesequence[::3] ?


TL; DR

Este ejemplo visual le mostrará cómo seleccionar cuidadosamente los elementos en una matriz NumPy (matriz bidimensional) de una manera bastante entretenida (lo prometo). El paso 2 a continuación ilustra el uso de esos "dos puntos dobles" :: en cuestión.

(Precaución: este es un ejemplo específico de NumPy array con el objetivo de ilustrar el caso de uso de "dos puntos dobles" :: para saltar de elementos en ejes múltiples. Este ejemplo no cubre las estructuras de datos nativas de Python como List ).

Un ejemplo concreto para gobernarlos a todos ...

Digamos que tenemos una matriz NumPy que se ve así:

In [1]: import numpy as np In [2]: X = np.arange(100).reshape(10,10) In [3]: X Out[3]: array([[ 0, 1, 2, 3, 4, 5, 6, 7, 8, 9], [10, 11, 12, 13, 14, 15, 16, 17, 18, 19], [20, 21, 22, 23, 24, 25, 26, 27, 28, 29], [30, 31, 32, 33, 34, 35, 36, 37, 38, 39], [40, 41, 42, 43, 44, 45, 46, 47, 48, 49], [50, 51, 52, 53, 54, 55, 56, 57, 58, 59], [60, 61, 62, 63, 64, 65, 66, 67, 68, 69], [70, 71, 72, 73, 74, 75, 76, 77, 78, 79], [80, 81, 82, 83, 84, 85, 86, 87, 88, 89], [90, 91, 92, 93, 94, 95, 96, 97, 98, 99]])

Diga por alguna razón, su jefe quiere que seleccione los siguientes elementos:

"¿Pero cómo?" ... ¡Sigue leyendo! (Podemos hacer esto en un enfoque de 2 pasos)

Paso 1 - Obtener subconjunto

Especifique el "índice de inicio" y el "índice final" en las direcciones en hilera y en hilera.

En codigo:

In [5]: X2 = X[2:9,3:8] In [6]: X2 Out[6]: array([[23, 24, 25, 26, 27], [33, 34, 35, 36, 37], [43, 44, 45, 46, 47], [53, 54, 55, 56, 57], [63, 64, 65, 66, 67], [73, 74, 75, 76, 77], [83, 84, 85, 86, 87]])

Fíjate que ahora acabamos de obtener nuestro subconjunto, con el uso de una sencilla técnica de indexación inicial y final. A continuación, cómo hacer eso "saltar" ... (seguir leyendo!)

Paso 2 - Seleccionar elementos (con el argumento "saltar paso")

Ahora podemos especificar los "pasos de salto" en las direcciones de hilera y de columna (para seleccionar elementos de manera "saltar") de esta manera:

En el código (tenga en cuenta los dos puntos dobles):

In [7]: X3 = X2[::3, ::2] In [8]: X3 Out[8]: array([[23, 25, 27], [53, 55, 57], [83, 85, 87]])

¡Acabamos de seleccionar todos los elementos según sea necesario! :)

Consolidar el Paso 1 (inicio y final) y el Paso 2 ("saltar")

Ahora que conocemos el concepto, podemos combinar fácilmente el paso 1 y el paso 2 en un solo paso consolidado: compacidad:

In [9]: X4 = X[2:9,3:8][::3,::2] In [10]: X4 Out[10]: array([[23, 25, 27], [53, 55, 57], [83, 85, 87]])

¡Hecho!


Explicación

s[i:j:k] es, según la documentación , "porción de s de i a j con paso k". Cuando i y j están ausentes, se supone toda la secuencia y, por lo tanto, s[::k] significa "cada elemento k-ésimo".

Ejemplos

Primero, vamos a inicializar una lista:

>>> s = range(20) >>> s [0, 1, 2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19]

Tomemos cada elemento de s :

>>> s[::3] [0, 3, 6, 9, 12, 15, 18]

Tomemos cada elemento de s[2:] :

>>> s[2:] [2, 3, 4, 5, 6, 7, 8, 9, 10, 11, 12, 13, 14, 15, 16, 17, 18, 19] >>> s[2::3] [2, 5, 8, 11, 14, 17]

Tomemos cada elemento de s[5:12] :

>>> s[5:12] [5, 6, 7, 8, 9, 10, 11] >>> s[5:12:3] [5, 8, 11]

Tomemos cada elemento de s[:10] :

>>> s[:10] [0, 1, 2, 3, 4, 5, 6, 7, 8, 9] >>> s[:10:3] [0, 3, 6, 9]


Al cortar en Python, el tercer parámetro es el paso. Como mencionan otros, vea Extended Slices para obtener una buena descripción general.

Con este conocimiento, [::3] solo significa que no ha especificado ningún índice de inicio o fin para su porción. Como ha especificado un paso, 3 , esto tomará cada tercera entrada de something comience en el primer índice. Por ejemplo:

>>> ''123123123''[::3] ''111''


El tercer parámetro es el paso. Entonces [:: 3] devolvería cada 3er elemento de la lista / cadena.


Las direcciones de segmento de secuencia de Python se pueden escribir como [inicio: final: paso] y se puede descartar cualquiera de inicio, finalización o finalización. a[::3] es cada tercer elemento de la secuencia.


Python usa :: para separar el final, el inicio y el valor del paso.


significa "nada para el primer argumento, nada para el segundo y salta por tres". Obtiene cada tercer elemento de la secuencia en rodajas. Rebanadas extendidas es lo que quieres. Nuevo en Python 2.3


seq[::n] es una secuencia de cada enésimo elemento en toda la secuencia.

Ejemplo:

>>> range(10)[::2] [0, 2, 4, 6, 8]

La sintaxis es:

seq[start:end:step]

Entonces puedes hacer:

>>> range(100)[5:18:2] [5, 7, 9, 11, 13, 15, 17]