在Numpy阵列切片期间，行与列向量返回

Question

我目前正在学习Python，偶然发现了一个在执行基本数组切片命令时让我感到困惑的结果。

我使用这个命令创建了一个4x5矩阵：

>>> a = numpy.arange(20).reshape(4,5)

这使：

[[ 0, 1, 2, 3, 4],
 [ 5, 6, 7, 8, 9],
 [10,11,12,13,14],
 [15,16,17,18,19]]

如果我像这样索引数组：

>>> a[0:3, 2]

我得到一个行向量：

[2, 7, 12]

但是，如果我像这样索引数组：

>>> a[0:3, 2:3]

我得到一个列向量：

[[ 2],
 [ 7],
 [12]]

当插入两个命令时我期望结果是相同的，那么为什么我会得到不同类型的向量？

谢谢！

Answer 1

tl;博士版

在numpy中，从数组中沿着维度获取单个索引会将维度减少1，因此从2D数组中获取索引会生成1D数组（第一种情况）。 沿着维度采取切片保持相同的维度，即使切片的长度为1，因此采用2D数组的长度为1的切片仍然是2D数组（第二种情况）

详细版本

问题是第一个结果不是行向量，而是一维数组。 当您从维度中获取单个标量索引时，它会将维数减少1.因此，从4D阵列获取标量索引会使其成为3D阵列，从3D阵列中取一个使其成为2D阵列，将2D阵列转换为1D数组，1D数组到标量。

这是为了一致。 如果从1D数组中获取项目会产生标量（将维度降低1），那么通过扩展，更高维度的等效操作应该以相同的方式运行。

在第二种情况下，你需要切片，而不是标量。 当您这样做时，它会保留维度数。 因此，即使切片为空（或者在您的情况下为长度1），切片2D数组也始终是2D数组。 这也是为了保持一致性。 如果2D阵列的长度为3的切片是2D阵列，并且2D阵列的长度为2的切片是2D阵列，则2D阵列的长度为1的切片也应该是2D阵列。

这也是一种方便的约定，因为它允许您仅使用几个字符明确定义是否要降低维度。

有些语言，如MATLAB，没有一维数组（或技术上，矩阵）的概念，数组可以是0D（标量），2D，3D等，但不是1D。 另一方面，Python允许使用真正的一维数组，这可能使那些不习惯它的人绊倒。

Answer 2

如果使用两个切片，则会得到两个维度。 虽然你在第二个例子中得到的有时被称为“列向量”，但它实际上是一个二维的Nx1数组。 这与您在第一个示例中得到的不同，后者根本不是二维的，而是一维数组。

您使用切片而不是单个值的事实是导致额外维度的原因。 Numpy不会查看切片实际抓取的元素数量; 它只是看你是否使用了切片。 如果a[0:3, 2:3]返回1D向量，但是a[0:3, 1:3]返回2D数组a[0:3, 1:3]那将更加令人困惑。

Answer 3

为什么是不同的命令。

在第一种情况下，您获得前三行，其中包含第三行元素。 这将只返回元素。

在第二种情况下，您获得前三行并指定第三列的两个元素。 此列将返回它，或带有一个元素的向量