切片操作

### 代码概述 你询问的是“张量的切片操作”，结合之前的代码背景，这是关于 **NumPy 中多维数组（张量）切片机制** 的问题。 --- ### 代码解析 张量在 NumPy 中就是多维数组，切片操作用于提取数组中的一部分数据。我们以一个二维数组为例： ```python array_077 = np.array([[1, 2, 3], [4, 5, 6]]) ``` 这个数组的形状是 `(2, 3)`，表示 2 行 3 列。 #### 示例切片： ```python array_077[1:2] ``` - `1:2` 是切片语法，表示从索引 1 开始，到索引 2 之前结束（不包括索引 2）。 - 所以只选中了索引为 1 的那一行，即 `[4, 5, 6]`。 - 但 NumPy 的切片操作**不降维**，结果仍然是一个二维数组：`[[4, 5, 6]]`。 - 因此它的形状是 `(1, 3)`。 --- #### 更多切片示例： ```python array_077[0:1] # 获取第一行 [[1, 2, 3]] array_077[0] # 获取第一行，结果是一维数组 [1, 2, 3] array_077[:, 1] # 获取所有行的第2列，结果是 [2, 5] array_077[1, :] # 获取第二行，结果是 [4, 5, 6] ``` > 注意：使用切片 `:` 时，会保留维度；使用索引 `1` 时，会降维。 --- ### 知识点 1. **NumPy切片保留维度** - 切片操作 `start:stop` 返回的是原数组的视图，并保留维度。 - 例如 `[1:2]` 返回的是二维数组中的一行，仍然是二维结构。 2. **索引 vs 切片** - 索引（如 `[1]`）会降维，返回的是一个更低维的数组。 - 切片（如 `[1:2]`）不会降维，保留原始维度结构。 3. **多维切片语法** - 二维数组可以使用 `array[row_start:row_end, col_start:col_end]` 的形式进行切片。 - 如 `array_077[1:2, 0:2]` 表示取第二行、前两列的数据。 --- 通过掌握张量的切片操作，你可以灵活地提取数组中的任意部分，是进行数据分析、机器学习、图像处理等任务的重要基础技能。