python - Numpy 数组切片期间的行与列向量返回

Question

我目前正在学习 Python，在执行基本的数组切片命令时偶然发现了一个让我有点困惑的结果。

我使用此命令创建了一个 4x5 矩阵:

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

给出:

[[ 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]]

插入这两个命令时，我预计结果是相同的，但为什么我会得到不同类型的向量？

谢谢!

Answer 1

tl;dr 版本

在 numpy 中，沿数组的维度获取单个索引会将维数减少 1，因此从二维数组获取索引会生成一维数组(第一种情况)。沿一个维度取一个切片保持相同的维数，即使切片的长度为 1，所以取一个二维数组的长度为 1 的切片仍然是一个二维数组(第二种情况)

详细版

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，它会将维度数减少 1。因此，从 4D 数组中获取标量索引使其成为 3D 数组，从 3D 数组中获取一个标量索引使其成为 2D 数组，2D 数组为一维数组和一维数组到标量。

这是为了保持一致性。如果从一维数组中取出一个项目成为标量(将维数减少一维)，那么通过扩展，更高维的等效操作应该以等效的方式表现。

在第二种情况下，您获取的是切片，而不是标量。当您这样做时，它会保留维数。因此，即使切片为空(或在您的情况下长度为 1)，获取二维数组的切片始终是二维数组。这也是为了一致性。如果二维数组的长度为 3 的切片是二维数组，二维数组的长度为 2 的切片是二维数组，那么二维数组的长度为 1 的切片也应该是二维数组。

这也是一个方便的约定，因为它允许您仅用几个字符明确定义是否要降维。

一些语言，如 MATLAB，没有一维数组(或者，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 允许真正的一维数组，这可能会让不习惯它的人感到困惑。