【问题标题】：How do I maintain row/column orientation of vectors in numpy?如何在 numpy 中保持向量的行/列方向？
【发布时间】：2013-02-16 09:26:15
【问题描述】：

来自 Matlab/Octave 的背景，我一直在尝试学习 numpy。一直困扰我的一件事是向量和多维数组之间的区别。对于这个问题，我将给出一个我遇到的具体问题，但如果有人还可以解释 numpy 中一维数组背后的更一般的图片，我将非常感激，为什么你首先想要它们，如何避免混合单维和多维数组等时出现麻烦。无论如何，问题：

我有一个名为 X 的二维数组：

X = numpy.arange(10).reshape(2,5)

我想获取 X 的最后一列并将其存储为另一个名为 Y 的二维数组（即列向量）。为此我能想到的唯一方法是：

Y = numpy.atleast_2d(X[:,4]).T

但我不喜欢这样有几个原因：

我觉得我不应该告诉它在 X[:,4] 中隐含方向时转置向量。
在经常出现这种情况的代码中，使用 atleast_2D 似乎很麻烦。感觉我做错了什么。

那么，简而言之，有没有更好的方法呢？

谢谢。

【问题讨论】：

np.atleast_2d(x).T 也可以写成x.reshape(-1, 1)。如果你经常这样做，为它定义一个帮助器可能是个好主意，def ascolumn(x): return x.reshape(-1, 1)。

标签： python numpy

【解决方案1】：

首先，做你想做的事情的简单方法：

Y = X[:,4:]

现在，numpy 在您之前尝试时没有这样做的原因与数组在 Python 中的工作方式有关，实际上在大多数编程语言中也是如此。当您编写a[4] 之类的内容时，这是在访问数组的第五个元素，而不是让您查看原始数组的某些部分。例如，如果a 是一个数字数组，那么a[4] 将只是一个数字。如果a 是一个二维数组，即实际上是一个数组数组，那么a[4] 将是一个一维数组。基本上，访问数组元素的操作会返回比原始数组少一维的东西。

现在，Python 包含了一种称为“切片表示法”的东西，它使用冒号表示，这是一种访问数组元素的不同方式。它不是返回一个元素（比原始数组小一维的东西），而是返回原始数组的一部分的副本。本质上，a:b 表示索引a（包括）到b（不包括）处的所有元素的列表。 a 或 b 或两者都可以省略，在这种情况下，切片会一直到达数组的对应端。

这对您的情况意味着，当您编写 X[:,4] 时，您有一个切片表示法和一个常规索引表示法。切片表示法表示沿第一维的所有索引（只有 0 和 1，因为数组有两行），而 4 表示沿第二维的第五个元素。正则索引的每个实例基本上都会将返回对象的维数减一，因此由于X 是一个二维数组，并且有一个正则索引，因此您会得到一维结果。 Numpy 只是将一维数组显示为行向量。诀窍是，如果您想得到与开始时相同尺寸的东西，那就使用所有切片索引，就像我在本文顶部的示例中所做的那样。

如果要提取总列数超过 5 列的内容的第五列，可以使用 X[:,4:5]。如果您想要查看第 3-4 行和第 5-7 列，您可以使用X[3:5,5:8]。希望你能明白。

【讨论】：

这非常有用！
稍微更精确的答案似乎是Y = X[:,4:5]，即使X恰好只有5列。
它返回一个视图而不是一个副本，“它返回一个原始数组部分的视图”
@David Z 所以要在索引列i 时保持方向，你已经写了my_array[:, i: i+1] ????这很容易出错而且很可怕，不是吗？
@OldSchool 是的，但如果你试图保持方向，你可能做错了。一维数组实际上没有方向，使用它的更自然的方法是没有任何方向的想法。当您尝试在 Python/NumPy 中将外部概念（例如方向）强加到数组上时，您最终会做这样的“容易出错且可怕的”事情。

【解决方案2】：

子集

更简单的方法是对矩阵进行子集化。

>>> X
[[0 1 2 3 4]
 [5 6 7 8 9]]

>>> X[:, [4]]
[[4]
 [9]]

>>> X[:, 4]
[4 9]

它的工作方式有点类似于 Pandas 数据框。如果你索引数据框，它会给你一个系列。如果您对数据框进行子集化或切片，它会为您提供一个数据框。

另见

This answer on a similar question

【讨论】：