数据分析-深度学习 Tensorflow Day3

索引与切片

　多维度索引

---

　　　　Tensor索引常采用列表形式，而不是像a[0][1][2]的形式。比如：

　　　　

　　　　可以看到多次索引后，结果变为了标量。 这就如同注册账户时选择地址一样。

　　　　索引可以是负值，正索引0表示第一个元素，而负索引-1表示最后一个元素。

　使用索引列表进行切片

---

　　　　对于索引列表的每个维度索引，都可以用start:end:step获取切片，其切片范围为[start,end)，注意end是取不到的，step指定了步长，类似于隔几行采样一次。索引可以有省略形式，start省略默认为最开始的地方，end省略默认为结束的地方,step省略表示1。如：表示范围为全部，step=1。：：2表示范围为全部，但step=2。2：：表示范围≥2，step=1。其他情况类似。

·　　　　

　　　　采用负索引进行切片，范围仍旧是start取得到，end取不到，切片方向仍然是从左向右，因此步长需为正。正索引与负索引可以混合使用：

　　　　

　　　　另外，通过切片可以实现逆序功能，即每个维度中的数据都倒过来排列。

　　　　

　　　　当维度较多，不想打冒号，可以用...。前提是切片的范围是整个，并且，省略号不能同时出现在两边，这样是无法判断结构的。

　　　　

　2.3 gather抽样切片

---

　　　 索引列表进行切片还是有很多限制，只能按一定步长等间距取样，取样是有序的。而gather可以一次对某个维度（给定axis）进行任意位置任意数量任意顺序的取样（给定indices），这里的indices不是索引坐标，而是该维度下数据位置索引的有序集合，不能用冒号形式。

　　　　

　 gather_nd抽样与自定义结构

---

　　　　gather_nd参数中给出一个结构，输出结果会将结构中的索引用数据替代，例如下面In[104]，用a[0]替代了结构[0]，所以结果是一个向量；又比如In[107]，用a[0]替代[0]，用a[1]替代[1]因为结构包裹了一层方括号，因此，结果是一个矩阵。注意这里的[0，1]可以理解为索引列表,但是不支持冒号。所以有个问题就是gather与gather_nd在截取比较复杂的数据时，会比较麻烦。

　　　　

　 boolean_mask掩码抽样

---

　　　　掩码抽样需要给定一个mask，其类型为bool，也就是True,False。除此之外，可以指定一个axis，表示对特定维度进行掩码抽样，也可以不指定axis，此时mask结构决定了掩码结果的结构。若不指定axis，则必须注意mask的维度要匹配被掩码的数据维度。比如数据shape为2*4*3*2，mask的shape为2*4，那么结果shape为（n，3，2），n取决于mask中True的个数。又比如数据shape为2*4*3*2，而mask的shape为4*3*2，那么是不匹配的，因为mask的维度必须从大维度到小维度这样的顺序来匹配，这里2对应于4，4对应于3，3对应于2，就不对了。