Python中array [0]和array [0：1]有什么区别？

Question

我的问题似乎太简单了，但我很好奇为什么要在Python中使用它。

假设我们定义了一个大小为（4,3）的数组：

import numpy as np
a=np.random.randint(15,size=(4,3))

结果将如下所示：

array([[ 7,  6,  1],
       [ 5,  3,  6],
       [12, 10, 11],
       [ 1,  3,  4]])

之间的区别是什么？

a[0]

Result:
array([7, 6, 1])

和

a[0:1]

Result:
array([[7, 6, 1]])

由于它们都返回矩阵的相同部分：

7, 6, 1

我确实知道区别在于形状，因为前者的形状为（3，），而后者的尺寸为（1,3）。 但是我的问题是，为什么我们需要具有这种形状。 如果您熟悉Matlab，则使用冒号指定范围会给您两行，但是在Python中，它会以相同的形状返回相同的信息。 有什么意义？ 有什么好处？

Answer 1

原因是您可以确信array [x：y]总是返回原始数组的子数组。 这样就可以使用所有的数组方法。 说你有

map(lambda1, array[x:y])

即使yx == 1或yx == 0 ，也可以确保从array[x:y]返回一个数组，并且可以对其进行映射。 想象一下，如果array[1:2]相反返回了一个项目，即array[1] 。 然后，上述代码的行为取决于array [1]是什么，并且可能不是您想要的。

Answer 2

我相信您感到困惑的是，在python中，当您采用数组的拼接时，它包含开始索引，但不包含结束索引 。 我相信在Matlab中，开始索引和结束索引都是包含在内的。

因此，对于您给出的示例： a[0:1]将采用索引0，而不是1。

但是，如果您使用a[0:2] ，则将获得索引0和1处的值，并获得您似乎期望的结果。

这也解释了形状为何不同的原因，a [0：1]完全按照您的期望进行。 这是给你行的名单，但名单只包含1列，因此1在造型(1, 3) 相反，a [0]仅给您单行，而不是行列表。 该行包含3个元素，因此形状为(3,)

Answer 3

array[m:n]返回一个数组， array[0]返回该数组的一个元素（这也与NumPy的东西有关，我保证，请继续阅读）：

> py -3
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> array = [1,2,3]
>>> array[0]
1
>>> array[0:1]
[1]
>>>

这就是为什么您得到这些结果的原因：

a[0]

结果：

array([7, 6, 1])

和

a[0:1]

结果：

array([[7, 6, 1]])

如果你仔细看，第二返回一个array ，它包装号码清单列表 ，而第一返回一个array ，它包装号码列表 。

Answer 4

我将尝试用一个简化的例子来解释。

simple_matrix = [[0,1,2],[3,4,5],[6,7,8]]

以下代码从该列表列表中打印单个元素：

print (simple_matrix[0])

打印的元素是一个列表，这是因为simple_matrix索引0处的元素仅是一个列表：

>>> [0,1,2]

像下面的示例一样，切片的使用不返回单个元素，而是返回两个元素。 在这种情况下，将元素列表期望为返回值更为简单，而这正是我们所看到的结果：

print (simple_matrix[0:2])
>>> [[0, 1, 2], [3, 4, 5]]

这个输出似乎使您感到困惑：

print simple_matrix[0:1]
>>> [[0, 1, 2]]

之所以得到此输出，是因为在这种情况下，您不会像在第一个示例中那样从列表中获得单个元素，而是因为您要对列表列表进行切片。

该切片返回包含切片元素的列表，在这种情况下，仅返回列表[0，1，2]。

Answer 5

冒号表示法是切片的简写，因此从一些简短的例子开始，简要说明术语。 我将向您推荐这个很好的答案，以便从总体上了解切片的工作原理。 这与我称之为“访问符号”或访问诸如a[0]的数组元素形成对比。

因此，在您的情况下，不同之处在于您可以在维度0处访问 n维数组，这将返回该行中的一系列列。 相反， 将您的n维数组从0 切片到1会得到一个包含维0的列表，但不包括1，这将是一个二维数组，其中第一个（也是唯一一个）元素是其中的一系列列第一行。

关于形状，这取决于您对数据的处理方式。 例如，如果您需要一次访问多个行，则一次使用一个更大的切片可能更有意义，而访问符号则需要多个语句或一个循环。

关于Numpy数组的说明

切片传统的一维数组将始终产生原始数组的一个子集， 作为副本 。 相反，对n维NP数组进行切片将产生一个视图 ，该视图与原始数组共享内存。 请注意，修改此切片也会修改原始切片！