numpy数组形状的差异

Question

对于数组：

import numpy as np
arr2d = np.array([[1,2,3],[4,5,6],[7,8,9]])
>>> arr2d
array([[1, 2, 3],
       [4, 5, 6],
       [7, 8, 9]])
>>> arr2d[2].shape
(3,)
>>> arr2d[2:,:].shape
(1, 3)

当两个语句都返回第3行时，为什么会得到不同的形状？并且在两种情况下结果都不应该是（1,3），因为我们返回一行有3列？

Answer 1

  

当两个语句都返回第3行时，为什么我会得到不同的形状？

因为在第一个操作中，您正在为行编制索引，并且只选择一个元素，如多维数组的single-element indexing段中所述 - 返回一个具有较低维度的数组（一维数组）。

在第二个例子中，您正在使用slice，如冒号所示。切片操作不会减小阵列的尺寸。这也是合乎逻辑的，因为想象数组不会有3行而是4行。然后arr2d[2:,:].shape将是(2,3)。 numpy的开发人员使切片操作保持一致，因此他们（切片）永远不会减少数组的维数。

  

并且在两种情况下结果都不应该是（1,3），因为我们返回的是一行有3列？

不，只是因为以前的原因。

Answer 2

执行arr2d[2]时，您正在从阵列中取出一行;

当执行arr2d[2:, :]时，你从数组中取出一部分行（'切片'），在这种情况下是从第3行开始到结尾的行，这只是第3行，但是它没有改变你正在采用一个子集，而不是一个元素。