切片索引如何在 numpy 数组中工作答案

【问题标题】：How does slice indexing work in numpy array切片索引如何在 numpy 数组中工作
【发布时间】：2019-08-30 01:57:42
【问题描述】：

假设我们有一个数组

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])

现在我有下面

row_r1 = a[1, :]
row_r2 = a[1:2, :]

print(row_r1.shape)
print(row_r2.shape)

我不明白为什么 row_r1.shape 是 (4,) 而 row_r2.shape 是 (1,4)

它们的形状不应该都等于（4，）吗？

【问题讨论】：

当您指定一个范围而不是单个数字时，它会将该范围作为轴返回。如果范围“恰好是”大小为 1，它不会改变您要求切片（在该维度中）而不是单个元素（这将删除维度）这一事实。希望很清楚
文档很清楚。使用标量进行索引会减少维度。切片没有。问题 - 列表索引如何工作？

标签： python numpy numpy-ndarray

【解决方案1】：

我喜欢这样想。第一种方式row[1, :]，状态去获取我第 1 行的所有值，如下所示：

返回： array([5, 6, 7, 8])

形状

(4,) numpy 数组中的四个值。

作为第二个row[1:2, :]，各州给我获取索引 1 和索引 2 之间的数据片段：

array([[5, 6, 7, 8]]) 注意：双括号

形状

(1,4) np.array 的一行中有四个值。

【讨论】：

【解决方案2】：

它们的形状不同，因为它们不是同一个东西。您可以通过打印它们来验证：

import numpy as np

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])

row_r1 = a[1, :]
row_r2 = a[1:2, :]

print("{} is shape {}".format(row_r1, row_r1.shape))
print("{} is shape {}".format(row_r2, row_r2.shape))

产量：

[5 6 7 8] is shape (4,)
[[5 6 7 8]] is shape (1, 4)

这是因为索引将返回一个元素，而切片将返回一个数组。但是，您可以使用 numpy 数组可用的 .resize() 函数将它们操作为相同的东西。代码：

import numpy as np

a = np.array([[1,2,3,4], [5,6,7,8], [9,10,11,12]])

row_r1 = a[1, :]
row_r2 = a[1:2, :]

print("{} is shape {}".format(row_r1, row_r1.shape))
print("{} is shape {}".format(row_r2, row_r2.shape))
# Now resize row_r1 to be the same shape
row_r1.resize((1, 4))
print("{} is shape {}".format(row_r1, row_r1.shape))
print("{} is shape {}".format(row_r2, row_r2.shape))

产量

[5 6 7 8] is shape (4,)
[[5 6 7 8]] is shape (1, 4)
[[5 6 7 8]] is shape (1, 4)
[[5 6 7 8]] is shape (1, 4)

表明您实际上现在正在处理相同形状的对象。希望这有助于清除它！

【讨论】：