python - 用 Numpy 解释 Matlab 索引/切片

Question

我正在将一些 Matlab 代码转换为 Python，我发现了一行我无法理解:

Y = reshape(X(j+(1:a*b),:),[b,a,p])

我知道 reshape 函数有一个 numpy analog我已经阅读了 Matrix Indexing in MATLAB文档，但我似乎无法充分理解该行以将其转换为 numpy 索引/切片。

我尝试了 online converter OMPC但它使用 functions that are not defined outside of it (如 mslice):

Y = reshape(X(j + (mslice[1:a * b]), mslice[:]), mcat([b, a, p]))

我也试过 SMOP converter但结果也很难理解:

Y = reshape(X(j + (arange(1, dot(a, b))), arange()), concat([b, a, p]))

你能解释一下简单的 Matlab 到 numpy 索引/切片规则的转换吗？

Answer 1

Y = X[j+np.arange(a*b),:].reshape((b,a,p))

不知道你到底想要什么，这是 matlab 行到 python 的翻译。

请注意，matlab 索引从 1 开始，而 numpy 的索引从 0 开始。因此，根据其他行，内行可能是 np.arange(a*b)。或 np.arange(1,a*b) .

此外，您实际上并不需要使用 X 的第二个索引, 所以 X[1,:]==X[1]是True