python numpy模块中的索引答案

【问题标题】：indexing in python numpy modulepython numpy模块中的索引
【发布时间】：2020-05-29 10:14:30
【问题描述】：

所以，我是 python 新手，正在学习 NumPy 模块。这是我的数组

c = np.array([[[  0,   1,   2],
               [ 10,  12,  13]],
              [[100, 101, 102],
               [110, 112, 113]]])

如果我尝试通过上面的数组访问它

c[:1,0:]

它产生预期的输出

# expected because print from initial to row 1,0 excluding row 1,0
 array([[[ 0,  1,  2],  
         [10, 12, 13]]])

但是现在当我尝试通过它访问它时

c[:1,1:]

它产生的输出

array([[[10, 12, 13]]])

为什么？？？

【问题讨论】：

【解决方案1】：

这是一个 3D 数组。你可以检查一下

print(c.shape)

产生

(2, 2, 3)

3D 阵列真的是您想要做的吗？

如果是这样，如果你用两个索引而不是三个来分割它，这意味着第三个是隐含的:。所以c[1, 1] 等价于 c[1, 1, :] 等价于c[1, 1, 0:3]。

您的查询c[:1,1:] 等价于c[0, 1, 0:3]：这是正确的结果。

现在根据您的评论，我猜您希望重塑、过滤和重塑：

c.reshape(4, -1)[:3,:].reshape(1, 3, -1)

产量

array([[[  0,   1,   2],
        [ 10,  12,  13],
        [100, 101, 102]]])

【讨论】：

yup 3d 数组切片所以如果我想产生像 array([[[ 0, 1, 2], [ 10, 12, 13]], [[100, 101, 102]] 这样的输出]) 那我该怎么办？？？
在一次调用中是不可能的：您需要稍后将第一个c[:1,:,:] 与第二个c[1,:1,:] 结合起来。或者先将数组重新整形为 2D，然后过滤，如果有意义，再重新整形为 3D。
那么如果我想把它们结合起来，我该怎么做？？？把它们结合起来是什么意思？？？
我在上面更新了我的答案。我认为你需要真正考虑形状。重塑单个数组比连接数组更好，因此上面的解决方案。请注意，组合数组是对它们的一个维度求和，并且只有在所有其他维度都具有相同长度时才能工作。