[:][:] 和 [:,:] 之間的 NumPy 有什么區別？

Question

我對 python 編程非常熟悉，但是我發現了一些奇怪的情況，其中以下兩行代碼提供了不同的結果（假設兩個 arrays 是二維的）：

A[:][:] = B[:][:]

和

A[:,:] = B[:,:]

我想知道是否有任何情況，解釋。

有什么提示嗎？

例子：

>>> x = numpy.array([[1, 2], [3, 4], [5, 6]])
>>> x
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> x[1][1]
4                 # expected behavior
>>> x[1,1]
4                 # expected behavior
>>> x[:][1]
array([3, 4])     # huh?
>>> x[:,1]
array([2, 4, 6])  # expected behavior

Answer 1

讓我們退后一步。 嘗試這個：

>>> x = np.arange(6)

>>> x
array([0, 1, 2, 3, 4, 5])

>>> x[:]
array([0, 1, 2, 3, 4, 5])

>>> x[:][:]
array([0, 1, 2, 3, 4, 5])

>>> x[:][:][:][:][:][:][:][:][:][:]
array([0, 1, 2, 3, 4, 5])

看起來x[:]等於x 。 （實際上， x[:]創建了x的副本。）

因此， x[:][1] == x[1] 。

---

這是否符合我們的預期？ 為什么x[:]應該是x的副本？ 如果您熟悉切片，這些示例應該可以闡明：

>>> x[0:4]
array([0, 1, 2, 3])

>>> x[0:6]
array([0, 1, 2, 3, 4, 5])

>>> x[0:]
array([0, 1, 2, 3, 4, 5])

>>> x[:]
array([0, 1, 2, 3, 4, 5])

我們可以省略0和6 ，numpy 將計算出我們的最大尺寸。

---

關於問題的第一部分，要創建B的副本，您可以執行以下任何操作：

A = B[:, :]
A = B[...]
A = np.copy(B)

Answer 2

通常，我們使用像x,y這樣的坐標，首先是水平坐標，然后是垂直坐標。 因此， numpy通過按此順序給出兩個坐標，可以方便地訪問 2D arrays 中的元素。

但是，二維數組實際上是 arrays 的數組； 注意定義：

foo = numpy.array([
    [1, 2],
    [3, 4],
    [5, 6]
])

如果忽略numpy.array構造函數，這是一個列表列表。 外部列表包含三個元素（每個元素都是一個列表），索引 1 處的值是foo[1] == [3, 4] 。 這是有道理的，因為矩陣表示為rows列表，因此外部列表中使用的索引控制垂直坐標，即您訪問的行。

因此，在像foo[1][0] == 3這樣的表達式中，索引 1 是垂直坐標，而 0 是水平坐標。 也就是說，它相當於寫foo[x,y] 。 與通常的約定相比，它是倒退的，但它從邏輯上遵循矩陣是行列表這一事實。 如果矩陣是列列表，則foo[x][y]將是正確的。

對於numpy arrays，這同樣適用於切片運算符。 表達式foo[:][1]等價於foo[1,:] ，而不是foo[:,1] 。