用Numpy解释Matlab索引/切片

Question

我正在将一些Matlab代码转换为Python，但发现了我不明白的一行：

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

我知道reshape函数有一个numpy模拟量，并且我已经阅读了MATLAB文档中的Matrix Indexing ，但是我似乎无法理解该行足以将其转换为numpy索引/切片。

我尝试了在线转换器OMPC，但它使用的功能未在其外部定义 （例如mslice ）：

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

我也尝试了SMOP转换器，但结果也很难理解：

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

您能解释一下简单Matlab中到numpy索引/切片规则的转换吗？

Answer 1

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

不知道您到底想要什么，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np.arange(a*b)行，内线可能是np.arange(a*b)或np.arange(1,a*b) 。

另外，您实际上并不需要使用X的第二个索引，因此X[1,:]==X[1]为True

Answer 2

在八度会话中：

>> 1:3*3
ans =
   1   2   3   4   5   6   7   8   9

在numpy ipython中：

In [8]: np.arange(1,10)
Out[8]: array([1, 2, 3, 4, 5, 6, 7, 8, 9])
In [9]: np.arange(3*3)
Out[9]: array([0, 1, 2, 3, 4, 5, 6, 7, 8])