Как вы используете синтаксис многоточия в Python?

Question

Это всплыло в Скрытые возможности Python, но я не вижу хорошей документации или примеров, объясняющих, как работает эта функция.

Answer 1

Вы бы использовали его в своем собственном классе, поскольку ни один встроенный класс его не использует.

Numpy использует его, как указано в Документация.Несколько примеров здесь.

В вашем собственном классе вы бы использовали это следующим образом:

>>> class TestEllipsis(object):
...     def __getitem__(self, item):
...         if item is Ellipsis:
...             return "Returning all items"
...         else:
...             return "return %r items" % item
... 
>>> x = TestEllipsis()
>>> print x[2]
return 2 items
>>> print x[...]
Returning all items

Конечно, существует документация на python, и ссылка на язык.Но это не очень помогает.

Answer 2

Многоточие используется для нарезки многомерных структур данных.

Это задумано для того, чтобы означать на этом этапе вставьте как можно больше полных ломтиков (:) для расширения многомерного среза до всех измерений.

Пример:

>>> from numpy import arange
>>> a = arange(16).reshape(2,2,2,2)

Теперь у вас есть 4-мерная матрица порядка 2x2x2x2.Чтобы выделить все первые элементы в 4-м измерении, вы можете использовать многоточие

>>> a[..., 0].flatten()
array([ 0,  2,  4,  6,  8, 10, 12, 14])

что эквивалентно

>>> a[:,:,:,0].flatten()
array([ 0,  2,  4,  6,  8, 10, 12, 14])

В ваших собственных реализациях вы вольны игнорировать упомянутый выше контракт и использовать его по своему усмотрению.

Answer 3

Это еще одно использование многоточия, которое не имеет ничего общего со срезами:Я часто использую его во внутрипотоковом общении с очередями, как метку, сигнализирующую "Готово".;он есть, это объект, это синглтон, и его имя означает "отсутствие", и это не чрезмерно используемое значение None (которое можно было бы поместить в очередь как часть обычного потока данных).ИММВ.

Answer 4

Как указано в других ответах, его можно использовать для создания срезов.Полезно, когда вы не хотите писать много полных обозначений фрагментов (:), или когда вы просто не уверены в размерности обрабатываемого массива.

Что я счел важным подчеркнуть и чего не хватало в других ответах, так это то, что его можно использовать даже тогда, когда больше нет измерений для заполнения.

Пример:

>>> from numpy import arange
>>> a = arange(4).reshape(2,2)

Это приведет к ошибке:

>>> a[:,0,:]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
IndexError: too many indices for array

Это сработает:

a[...,0,:]
array([0, 1])