python中A[0]和A[0:1] numpy数组的区别答案

【问题标题】：difference between A[0] and A[0:1] numpy arrays in pythonpython中A[0]和A[0:1] numpy数组的区别
【发布时间】：2018-05-05 23:00:10
【问题描述】：

我有一个像这样的 numpy 数组：

candidates = 

array([[1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
        0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1,
        0, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1],
       [1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0,
        0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0]])

而且我不明白candidates[0]有什么区别：

candidates[0] = 

array([1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
       0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0]

candidates[0].shape = (34,)

还有candidates[0:1]:

candidates[0:1] = 

array([[1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
        0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0]])

candidates[0:1].shape = (1, 34)

因为我相信两者应该给出完全相同的结果？我的意思是后者，即candidates[0:1] 应该只代表第一个元素，对吗？那么，这两者到底有什么区别呢？

【问题讨论】：

和普通的Python切片一样：candidates[0]是第一个元素（本例中为第一行）； candidates[0:1] 是第一个元素的集合（在这种情况下，是一个仅包含第一行的二维数组）。这就是形状不同的原因。比较lst = [1,2,3] 然后lst[0] 与lst[0:1]：一个是1，另一个是[1]。
嗨。这个问题已经讨论过了stackoverflow.com/questions/42882842/…
@decadenza 我不确定它是否是 dup，因为我不确定 OP 是否不清楚为什么 [0] 和 [0:1] 返回不同的形状，或者为什么 @ 987654338@ 和(1,34) 是不同的形状。链接的问题只回答后者。
@decadenza （另外，您链接的问题本身已作为this one 的副本关闭，我认为它有更好的答案 - 但幸运的是，如果我们想关闭它，我们可以链接两者。）
@abarnert 感谢您的回复！我知道[0] 和[0:1] 之间的区别。我只需要了解后面的结果是一个二维数组。 Idk也许我应该从问题中删除“大小”一词以避免混淆？或者，如果您认为您可以改进我的措辞，请继续，因为英语不是我的第一语言哈哈。谢谢！

标签： python arrays numpy

【解决方案1】：

在 Python 中，[0] 是 indexing——它返回第一个元素，而 [0:1] 是 slicing——它返回所有前 1 个元素的集合.

使用简单的旧列表可能更容易看到：

>>> lst = [1, 2, 3]
>>> lst[0]
1
>>> lst[0:1]
[1]

Numpy 扩展了 Python 索引和切片，其中一些会因为不同的原因为您提供 2D 结果——例如，您可以使用 [0] 作为“类似数组”的索引，它可以用作索引数组） , 但这里的相关基础是一样的。对于 2D numpy 数组，元素是行，因此 candidates[0] 是第一行 - 一个 1D 数组，而 candidates[0:1] 是所有前 1 行的数组 - 一个 2D 数组。所以第一个形状为(34,)，第二个形状为(1, 34)。

如果不仔细看，可能差异并不明显，但比较一下两者的开始：

array([1,
array([[1,

它们没有排列，因为第二个有两个括号而不是一个，这是因为它是一个二维数组而不是一维数组。

【讨论】：

@jpp 实际上，它不是切片，而是使用类似数组的索引。而且我认为了解 numpy 扩展索引（和切片）的所有不同方式可能会使事情变得过于复杂。
@jpp 虽然也许至少值得在短语“Numpy 扩展索引和切片”中添加更多内容，以包括一个示例？
是的 - 这可能会有所帮助。不确定最好的表达方式。

【解决方案2】：

区别在于维数：candidates[0:1] 将返回一个二维数组，而candidates[0] 将返回一个一维数组：

>>> candidates[0:1].ndim
2
>>> candidates[0].ndim
1

您还可以通过candidates[0:1] 的输出“看到”维数：注意到数组周围的方括号数量了吗？这些可以暗示数组的维度

【讨论】：

【解决方案3】：

没有。不同之处在于阵列的形状。在第一个实例中，您有一个一维数组。在第二个中，您有一个二维数组。

您可以通过测试数组的shape 属性来进行测试：

print(np.array([[1, 0]]).shape)
(1, 2)

print(np.array([1, 0]).shape)
(2,)

通过使用项目列表对数组进行切片，例如[0:1]，您的结果将有一个额外的维度。请注意，这与使用范围无关；当您使用具有 1 个元素的列表作为索引器时也是如此：

x = np.array([[0, 1], [2, 3]])

print(x[[0]].shape)
# (1, 2)

【讨论】：