解释

S [i:j:k]，根据文档，是“S从i到j，步长k的切片”。当i和j不存在时，假设整个序列，因此s[::k]表示“每第k项”。

例子

首先，让我们初始化一个列表:

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

我们取s中的每3项:

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

我们取s[2:]中的每3项:

>>> 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]

让我们从s[5:12]中选取每3项:

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

我们取s[:10]中的每3项:

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

在Python中进行切片时，第三个参数是step。正如其他人提到的，请参阅扩展切片以获得更好的概述。

有了这些知识，[::3]仅仅意味着您没有为您的片指定任何开始或结束索引。因为你已经指定了步骤3，这将从第一个索引开始每第三个元素。例如:

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

你也可以在你自己的自定义类中使用这个符号，让它做任何你想做的事情

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

然后我们可以像这样打开切片对象:

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

在Numpy中，这主要用于对多维数组进行任意方向的切片。

当然，任何正常的API都应该使用::3和通常的“每3个”语义。

相关的省略符将在以下部分进一步介绍:省略符对象做什么?

Python序列片地址可以写成[start:end:step]， start、stop或end中的任何一个都可以省略。A[::3]是序列的每三个元素。

解释

S [i:j:k]，根据文档，是“S从i到j，步长k的切片”。当i和j不存在时，假设整个序列，因此s[::k]表示“每第k项”。

例子

首先，让我们初始化一个列表:

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

我们取s中的每3项:

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

我们取s[2:]中的每3项:

>>> 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]

让我们从s[5:12]中选取每3项:

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

我们取s[:10]中的每3项:

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

博士TL;

这个可视化示例将向您展示如何以一种非常有趣的方式(我保证)在NumPy矩阵(2维数组)中整齐地选择元素。下面的步骤2说明了“双冒号”::in question的用法。

(注意:这是一个NumPy数组特定的例子，目的是说明“双冒号”::用于在多个轴上跳跃元素的用例。本例不包括原生Python数据结构(如List)。

一个具体的例子来统治它们…

假设我们有一个NumPy矩阵，它看起来像这样:

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]])

假设出于某种原因，你的老板希望你选择以下元素:

“但如何? ?”…继续读下去!(我们可以分两步完成)

步骤1 -获取子集

在行方向和列方向指定“开始索引”和“结束索引”。

在代码:

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]])

注意，现在我们使用简单的开始和结束索引技术获得了我们的子集。接下来，如何“跳跃”…(继续阅读!)

步骤2 -选择元素(使用"jump Step "参数)

我们现在可以按行和列的方向指定“跳转步骤”(以“跳转”的方式选择元素)，如下所示:

在代码中(注意双冒号):

In [7]: X3 = X2[::3, ::2]

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

我们刚刚选择了所有需要的元素!：）

巩固步骤1(开始和结束)和步骤2(“跳跃”)

现在我们知道了这个概念，我们可以很容易地将步骤1和步骤2合并为一个统一的步骤-为了紧凑:

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]])

完成了!