来自Matlab / Octave的背景，我一直在努力学习numpy。反复绊倒的一件事是矢量和多维数组之间的区别。对于这个问题，我会给出一个我遇到的具体问题，但是如果有人能够解释numpy中单维数组背后的更一般的图片，为什么你会首先想要它们，如何在混合单维和多维数组等时避免麻烦。无论如何，问题是：
我有一个名为X的二维数组：
X = numpy.arange(10).reshape(2,5)
我想取X的最后一列并将其存储为另一个名为Y的二维数组（即列向量）。我能够为此提供的唯一方法是：
Y = numpy.atleast_2d(X[:,4]).T
但由于以下几个原因，我不喜欢这样：
我觉得我不应该告诉它在X [：，4]中暗示方向时转置矢量。
使用atleast_2D在代码中反复使用似乎很麻烦，这种情况会出现很多。感觉我做错了。
那么，简而言之，有更好的方法吗？
感谢。
答案 0 :(得分：39)
首先，做你想做的事的简单方法是：
Y = X[:,4:]
现在，numpy在你之前尝试它时没有这样做的原因与数组如何在Python中工作有关，实际上在大多数编程语言中。当您编写类似a[4]的内容时，它正在访问数组的第五个元素，而不是为您提供原始数组的某些部分的视图。例如，如果a是一个数字数组，那么a[4]将只是一个数字。如果a是二维数组，即实际上是一个数组数组，则a[4]将是一维数组。基本上，访问数组元素的操作返回的维度比原始数组小1。
现在，Python包含了一个名为“切片表示法”的东西，用冒号表示，这是一种访问数组元素的不同方式。它不返回元素（维度小于原始数组的东西），而是返回原始数组的一部分的副本。基本上，a:b表示索引a（包括）到b（不包括）的所有元素的列表。可以省略a或b或两者，在这种情况下，切片一直到达数组的相应末尾。
这对您的案例意味着当您编写X[:,4]时，您有一个切片表示法和一个常规索引表示法。切片表示法表示沿第一维度的所有索引（仅为0和1，因为数组具有两行），而4表示沿第二维度的第五个元素。常规索引的每个实例基本上将返回对象的维度减少一个，因此由于X是一个2D数组，并且有一个常规索引，所以得到一维结果。 Numpy只显示1D数组作为行向量。诀窍，如果你想得到你开始使用的相同尺寸的东西，那就是使用所有切片索引，就像我在本文顶部的例子中所做的那样。
如果要提取列数超过5的第五列，可以使用X[:,4:5]。如果您想查看第3-4行和第5-7列，您可以X[3:5,5:8]。希望你明白了。