在Numpy陣列切片期間，行與列向量返回

Question

我目前正在學習Python，偶然發現了一個在執行基本數組切片命令時讓我感到困惑的結果。

我使用這個命令創建了一個4x5矩陣：

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

這使：

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

如果我像這樣索引數組：

>>> a[0:3, 2]

我得到一個行向量：

[2, 7, 12]

但是，如果我像這樣索引數組：

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

我得到一個列向量：

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

當插入兩個命令時我期望結果是相同的，那么為什么我會得到不同類型的向量？

謝謝！

Answer 1

tl;博士版

在numpy中，從數組中沿着維度獲取單個索引會將維度減少1，因此從2D數組中獲取索引會生成1D數組（第一種情況）。 沿着維度采取切片保持相同的維度，即使切片的長度為1，因此采用2D數組的長度為1的切片仍然是2D數組（第二種情況）

詳細版本

問題是第一個結果不是行向量，而是一維數組。 當您從維度中獲取單個標量索引時，它會將維數減少1.因此，從4D陣列獲取標量索引會使其成為3D陣列，從3D陣列中取一個使其成為2D陣列，將2D陣列轉換為1D數組，1D數組到標量。

這是為了一致。 如果從1D數組中獲取項目會產生標量（將維度降低1），那么通過擴展，更高維度的等效操作應該以相同的方式運行。

在第二種情況下，你需要切片，而不是標量。 當您這樣做時，它會保留維度數。 因此，即使切片為空（或者在您的情況下為長度1），切片2D數組也始終是2D數組。 這也是為了保持一致性。 如果2D陣列的長度為3的切片是2D陣列，並且2D陣列的長度為2的切片是2D陣列，則2D陣列的長度為1的切片也應該是2D陣列。

這也是一種方便的約定，因為它允許您僅使用幾個字符明確定義是否要降低維度。

有些語言，如MATLAB，沒有一維數組（或技術上，矩陣）的概念，數組可以是0D（標量），2D，3D等，但不是1D。 另一方面，Python允許使用真正的一維數組，這可能使那些不習慣它的人絆倒。

Answer 2

如果使用兩個切片，則會得到兩個維度。 雖然你在第二個例子中得到的有時被稱為“列向量”，但它實際上是一個二維的Nx1數組。 這與您在第一個示例中得到的不同，后者根本不是二維的，而是一維數組。

您使用切片而不是單個值的事實是導致額外維度的原因。 Numpy不會查看切片實際抓取的元素數量; 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數組a[0:3, 1:3]那將更加令人困惑。

Answer 3

為什么是不同的命令。

在第一種情況下，您獲得前三行，其中包含第三行元素。 這將只返回元素。

在第二種情況下，您獲得前三行並指定第三列的兩個元素。 此列將返回它，或帶有一個元素的向量