Question

当我同时索引多个维度时，我遇到了numpy ndarray的问题：

> a = np.random.random((25,50,30))
> b = a[0,:,np.arange(30)]
> print(b.shape)

我希望结果为(50,30)，但实际结果是(30,50)！

有人可以向我解释，但是我没有得到它，这个功能在我的代码中引入了大量的错误。谢谢:)）

其他信息：

一维索引非常有效：

> b = a[0,:,:]
> print(b.shape)
(50,30)

当我有换位时：

> a[0,:,0] == b[0,:]
True

Answer 1

来自numpy docs

了解情况的最简单方法可能是用术语来思考   结果形状。索引操作分为两部分，   由基本索引定义的子空间（不包括整数）和   来自高级索引部分的子空间。两个索引案例   需要区分组合：

高级索引由切片，省略号或新轴分隔。   例如x [arr1，：，arr2]。

高级索引彼此相邻。例如x [...，   arr1，arr2，：] 但不是x [arr1，：，1]，因为1是一个高级索引   这方面。

在第一种情况下，由高级索引产生的尺寸   操作首先出现在结果数组中，以及子空间维度   之后。在第二种情况下，来自高级的尺寸   索引操作同时插入到结果数组中   他们在初始数组中的位置（后者的逻辑是什么   简单的高级索引表现就像切片一样。）

（我的重点）突出显示的位适用于您的

b = a[0,:,np.arange(30)]

Answer 2

当您使用列表或整数数组来索引numpy数组时，您正在使用一种称为Fancy Indexing的东西。花式索引的规则并不像人们想象的那么简单。这就是您的数组具有错误维度的原因。为了避免意外，我建议你坚持切片。因此，您应该将代码更改为：

a = np.random.random((25,50,30))
b = a[0,:,:]
print(b.shape)

通过多维度索引进行转置操作

2 个答案: