python [ : , : ] [ : ,None , : ] 等形式的意义——Python学习系列

设有基于python语言的数组arr，arr[ : , : ]表示的是对数组中不同维度的索引， 若存在关键字None则表示维度扩充。

不妨假设arr维度为(2,3,4)，那么arr[1 : 2, 2 : 3, 1 : 3]即表示在第一个维度上，切片选取索引为1的元素，在第二个维度上，切片选取索引为2的元素，最后在第三个维度上，切片选取索引为1、2的元素。

下面进行更加详细的说明。（下文中全红语句为直接结论，其余可以跳过，有时间再看，共3条）

# 初始化数组
import numpy as np
arr = np.array([1,2,3])
# 最基本的直接索引，获取索引为0的元素
print(arr[0])
# 采用切片的方式获取部分元素
print(arr[0:2])  # 获取索引为0, 1的两个元素

PS：数组切片详情参看Python切片索引

实验结果如下：

1
[1, 2]

#  创建数组
arr1 = np.array([1, 2, 3])

# 常规切片
print(arr1[0:2])
print(f'init arr1 is: n{arr1}nits shape is: {arr1.shape}n')

# 尝试arr1[:,:]
try:
    print(f'arr1[:,:] is: n{arr1[:, :]}n')
except IndexError:
    logging.info('arr1[:, :] is wrongn')

# 尝试arr1[:, None]
try:
    print(f'arr1[:, None] is: n{arr1[:, None]}nits shape is: {arr1[:, None].shape}n')
except IndexError:
    logging.info('arr1[:, None] is wrongn')

# 尝试arr1[None, :]
try:
    print(f'arr1[None, :] is: n{arr1[None, :]}nits shape is: {arr1[None, :].shape}n')
except IndexError:
    logging.info('arr1[None, :] is wrongn')

# 尝试arr1[:, 0]
try:
    print(f'arr1[:, 0] is: n{arr1[:, 0]}nits shape is: {arr1[:, 0].shape}n')
except IndexError:
    logging.info('arr1[:, 0] is wrongn')

# 尝试arr1[0, :]
try:
    print(f'arr1[0, :] is: n{arr1[0, :]}nits shape is: {arr1[0, :].shape}n')
except IndexError:
    logging.info('arr1[0, :] is wrongn')

PS：注意这里的设置，若可以执行，则采用Print输出（黑色字体），否则使用logging进行记录（红色字体），logging相关详见logging的适用

1. 尝试arr1[:,:]
   实验结果如下：（红色字体，表示为logging信息，存在索引错误）
   
   可见针对维度为(3)的arr1不适用这种形式，因为arr1不存在第二个维度，所以无法进行切片

2. 尝试arr1[:, None]
   实验结果如下：（黑色字体，表示为print信息）
   
   通过关键字None，发现arr1的维度增加了1维

3. 尝试arr1[None, :]
   实验结果如下：（黑色字体，表示为print信息）
   
   通过关键字None，同样发现arr1的维度增加了1维，这次是在原有维度的前面

4. 尝试arr1[:, 1]
   实验结果如下：（红色字体，表示为logging信息，存在索引错误）
   
   同样因为arr1不存在第二个维度，所以无法进行索引

5. 尝试arr1[1, :]
   实验结果如下：（红色字体，表示为logging信息，存在索引错误）
   
   原因同上。

But!!!
在此之前需要先明白：每一个维度是如何表示的

上图中，从上至下按照维度进行划分，颜色相同的表示一个元素，不同的元素组成当前的维度。形象化即，第k个维度就是数组第k层括号中的内容。

# 初始化数组
arr2 = np.array([[1, 2], [3, 4], [5, 6]])
print(f'init arr2 is: n{arr2}nits shape is: {arr2.shape}n')

# 尝试arr2[0:2, :]
try:
    print(f'arr2[0:2,:] is: n{arr2[0:2, :]}n')
except IndexError:
    logging.info('arr2[0:2, :] is wrongn')

# arr2[:, 0]
try:
    print(f'arr2[:, 0] is: n{arr2[:, 0]}nits shape is: {arr2[:, 0].shape}n')
except IndexError:
    logging.info('arr2[:, 0] is wrongn')

# arr2[0, :]
try:
    print(f'arr2[0, :] is: n{arr2[0, :]}nits shape is: {arr2[0, :].shape}n')
except IndexError:
    logging.info('arr2[0, :] is wrongn')

# 尝试arr2[:, None]
try:
    print(f'arr2[:, None] is: n{arr2[:, None]}nits shape is: {arr2[:, None].shape}n')
except IndexError:
    logging.info('arr2[:, None] is wrongn')

# 尝试arr2[None, :]
try:
    print(f'arr2[None, :] is: n{arr2[None, :]}nits shape is: {arr2[None, :].shape}n')
except IndexError:
    logging.info('arr2[None, :] is wrongn')

# 尝试arr2[:, None, :]
try:
    print(f'arr2[:, None, :] is: n{arr2[:, None, :]}nits shape is: {arr2[:, None, :].shape}n')
except IndexError:
    logging.info('arr2[:, None, :] is wrongn')

# arr2[:, :, None]
try:
    print(f'arr2[:, :, None] is: n{arr2[:, :, None]}nits shape is: {arr2[:, :, None].shape}n')
except IndexError:
    logging.info('arr2[:, :, None] is wrongn')

这里输出一下init数组，便于比较：

1. 尝试arr2[0:2, :]
   实验结果如下：（黑色字体，表示为print信息）
   
   此时可以看出，在第一个维度上，切片选取前两个元素，没有了[5， 6]，而在第二个维度上全部保留，可对比init数组查看。

2. 尝试arr2[:, 0]与arr2[0, :]
   实验结果如下：（黑色字体，表示为print信息）
   
   分别选择第1 or 2维中索引为1的元素，保留剩余维度，可对比init数组查看

3. 尝试arr2[None, :]，arr2[:, None, :]与arr2[:, :, None]
   实验结果如下：（黑色字体，表示为print信息）
   
   
   
   从上至下依次是在第1个维度前，已有维度内，最后1个维度后，添加新的维度，可对比init数组查看

这里需要注意的是：arr2[None, :]与arr2[None, :, :]是等效的，因为这里每一个:就表示对一个维度的引用，所以两个式子均表达在第一个维度前扩充。
！！！但是，arr2[:, :, None]不能简写为arr2[:, None]，后者表示在第一个维度之后添加，而不是最后一个维度后。

实验中其实存在一个问题，即log与print没有按照顺序输出，arr1的log信息可能在arr2的print输出之后，欢迎大佬提出见解！