学 python 时间不短不长，但这两句用的两个操作符还是不太清楚

>>> import numpy as np
>>> a = np.zeros( shape=(2, 3), dtype=np.float32 )
>>> a
array([[ 0., 0., 0.],
[ 0., 0., 0.]], dtype=float32)
>>> a.shape
(2, 3)
>>> b = np.zeros( shape=(1, 6), dtype=np.float32 )
>>> b.reshape( a.shape )
array([[ 0., 0., 0.],
[ 0., 0., 0.]], dtype=float32)
>>> b.reshape( *(a.shape) )
array([[ 0., 0., 0.],
[ 0., 0., 0.]], dtype=float32)

*(a.shape)好像没作用。。。

icedx

Oct 29, 2015 via Android

*(a.shape) 是说把接收到的元组 a.shape 解包传给 top[top_ind].reshape()

aheadlead

Oct 29, 2015

def func(a, b, c):
print a, b, c

T = (1, 2, 3)

下面两个效果是一样的
func(1, 2, 3)
func(*T)

northisland

Oct 29, 2015

@icedx @aheadlead
谢谢，你们解答了我第一个问题

Kisesy

Oct 29, 2015

三个点，就是省略，在代码中不能写的，只有输出时才这样显示

不过用在 py3 的某些地方，例如：
def function():
...

代替 pass

thinker3

Oct 29, 2015

>>> a[...] = 'a'
>>> a
{Ellipsis: 'a'}

northisland

Oct 29, 2015

发现了第二个例子的一点点用法
（这不是 python 通用的规则，是万恶的 numpy 库定义的“黑话” ）

>>> x = np.array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> x = x.reshape( (2, 5) )
定义一个 2x5 的矩阵
>>> x.reshape( (2, 5) )
array([[0, 1, 2, 3, 4],
[5, 6, 7, 8, 9]])

>>> x[..., 4]
这就相当与取矩阵第二唯独（ x ）的第 4 顺序的向量， so
array([4, 9])

>>> x[1, ...]
array([5, 6, 7, 8, 9])

也是一样，跟：用法差不多
>>> x[1, :]
array([5, 6, 7, 8, 9])
>>> x[:, 1]
array([1, 6])

表面测试而已

wynemo

Oct 29, 2015

http://blog.brush.co.nz/2009/05/ellipsis/ 这里好像有个然并卵的例子

cszhiyue

Oct 30, 2015

@northisland 错别字。。维度相当于

master13

Oct 30, 2015

我与大数据不共戴天！

northisland

Sep 28, 2017

import numpy as np
a = np.array([[8, 9], [6, 4]])
b = np.zeros((2, 2), dtype=a.dtype)
b[:] = a[:]
c = np.zeros((2, 2), dtype=a.dtype)
c[:] = a
d = np.zeros((2, 2), dtype=a.dtype)
d[...] = a
e = np.zeros((2, 2), dtype=a.dtype)
e = a

其中，b, c, d 的赋值都是等效的
e 是直接引用

所以咯，...是 numpy 自定义的“黑话”