Python：如何强制 1 元素 NumPy 数组为二维？

Question

我有一段代码可以分割二维 NumPy 数组并返回结果（子）数组。在某些情况下，切片仅索引一个元素，在这种情况下，结果是一个元素数组：

>>> sub_array = orig_array[indices_h, indices_w]
>>> sub_array.shape
(1,)

我怎样才能以一般的方式强制这个数组是二维的？即：

>>> sub_array.shape
(1,1)

我知道sub_array.reshape(1,1) 有效，但我希望能够将它应用到sub_array，一般不用担心其中的元素数量。换句话说，我想编写一个（轻量级）操作，将 shape-(1,) 数组转换为 shape-(1,1) 数组，将 shape-(2,2) 数组转换为一个形状（2,2）数组等。我可以做一个函数：

def twodimensionalise(input_array):
     if input_array.shape == (1,):
         return input_array.reshape(1,1)
     else:
         return input_array

这是我能得到的最好的，还是 NumPy 有更“原生”的东西？

加法：

正如https://stackoverflow.com/a/31698471/865169 中指出的那样，我做错了索引。我真的很想做：

sub_array = orig_array[indices_h][:, indices_w]

当indices_h 中只有一个条目时，这不起作用，但是将它与另一个答案中建议的np.atleast_2d 结合起来，我得出：

sub_array = np.atleast_2d(orig_array[indices_h])[:, indices_w]

Answer 1

听起来您可能正在寻找atleast_2d。此函数将一维数组的视图作为二维数组返回：

>>> arr1 = np.array([1.7]) # shape (1,)
>>> np.atleast_2d(arr1)
array([[ 1.7]])
>>> _.shape
(1, 1)

已经是 2D（或具有更多维度）的数组保持不变：

>>> arr2 = np.arange(4).reshape(2,2) # shape (2, 2)
>>> np.atleast_2d(arr2)
array([[0, 1],
       [2, 3]])
>>> _.shape
(2, 2)

Answer 2

在定义 numpy 数组时，您可以使用关键字参数ndmin 来指定您需要至少两个维度。 例如

arr = np.array(item_list, ndmin=2)
arr.shape
>>> (100, 1) # if item_list is 100 elements long etc

在问题的示例中，只需执行

sub_array = np.array(orig_array[indices_h, indices_w], ndmin=2)
sub_array.shape
>>> (1,1)

这也可以扩展到更高的维度，不像np.atleast_2d()。

Answer 3

您确定以您想要的方式编制索引吗？在indices_h 和indices_w 是可广播整数索引数组的情况下，结果将具有indices_h 和indices_w 的广播形状。因此，如果您想确保结果是 2D，请将索引数组设置为 2D。

否则，如果您想要 indices_h[i] 和 indices_w[j] 的所有组合（对于所有 i、j），请执行例如顺序索引：

sub_array = orig_array[indices_h][:, indices_w]

查看documentation 了解有关高级索引的详细信息。