Python基礎(chǔ)

• a[::-1] ：翻轉(zhuǎn)列表

解釋：
a[i:j:s]， 當(dāng)s<0時(shí) ，i缺省時(shí)，默認(rèn)為-1. j缺省時(shí)，默認(rèn)為-len(a)-1
所以a[::-1]相當(dāng)于 a[-1:-len(a)-1:-1]，也就是從最后一個(gè)元素到第一個(gè)元素復(fù)制一遍。所以你看到的是倒序輸出。

numpy相關(guān)

• newaxis

np.newaxis在使用和功能上等價(jià)于None，可以看作是None的一個(gè)別名

可以理解為新增了一個(gè)所有值都為空的維度。

從上圖可以看出， newaxis 給x新增了一個(gè) Y-axis ，使得 x 從 (3, ) 變成了 (3,1) 。

• 索引多維數(shù)組的某一列時(shí)返回的是一個(gè)行向量

綜合以上兩點(diǎn)，當(dāng)我們需要在索引列時(shí)返回列結(jié)構(gòu)，可以用如下方式：

所以如果要實(shí)現(xiàn)第2列和第4列的拼接可以用如下寫法:

其中 hstack 為 horizontal stack （水平拼接），還有 vstack 為‘vertical stack’(豎直拼接)。

當(dāng)然，最簡(jiǎn)單的方式還是使用切片：

• 復(fù)制和視圖

1. b = a
   按址傳遞， b 指向 a 的地址，改變某一個(gè)的指另一個(gè)也會(huì)改變。

2. numpy.view()
   可以完全對(duì)應(yīng)于數(shù)據(jù)庫里的視圖。所以，當(dāng) b = a.view() ，改變 a 或者 b 的值另一個(gè)也會(huì)改變，但是改變 b 的 shape 時(shí)，'a’的 shape 不變。

3. numpy.copy()

當(dāng) b = a.copy() 時(shí)， b 為一份獨(dú)立的拷貝。