子数组化numpy数组时，保持维数的最佳方法是什么？

Question

假设我有一个标准的numpy数组，例如

a = np.arange(6).reshape((2,3))

当我对数组进行子数组处理时，通过执行

a[1, :]

我将失去尺寸，它将变成一维并打印array([3, 4, 5]) 当然，列表最初是2D的，因此您要保持尺寸。所以我必须要做一个繁琐的任务，例如

b=a[1, :]
b.reshape(1, b.size)

为什么子数组时numpy会降低维数？

由于a[1, :].reshape(1, a.size)会中断，保持维数的最佳方法是什么？

Answer 1

仅使用切片而不是索引，形状将被保留：

a[1:2]

Answer 2

尽管我同意John Zwinck的回答，但我还是想提供一个替代方案，以防万一由于某种原因您被迫使用索引（而不是切片）。

OP说“ a[1, :].reshape(1, a.size)会破裂”：

您可以像这样向numpy数组添加维度：

b = a[1]
# array([3, 4, 5]
b = a[1][np.newaxis]
# array([[3, 4, 5]])

（请注意，np.newaxis 是 None，但是使用np.newaxis更具可读性）

---

正如评论中指出的那样（@PaulPanzer和@Divakar），实际上有很多方法可以完成同一件事（同样，使用索引而不是切片）：

这些文件不进行复制（每种影响a中的数据都已更改）

a[1, None]
a[1, np.newaxis]
a[1].reshape(1, a.shape[1]) # Use shape, not size

这确实做了一个副本（数据独立于a）

a[[1]]