Question

我的问题可能看起来太简单了，但是我很好奇为什么要在Python中使用它。

假设我们定义了一个大小为（4,3）的数组：

 char* c = new char; // Not specifying size here
 c[0] = 'h';
 c[1] = 'i';
 c[2] = '\0';
 delete c;        

 char* d = new char[3];
 d[0] = 'h';
 d[1] = 'i';
 d[2] = '\0';
 delete[] d;

结果将如下所示：

import numpy as np
a=np.random.randint(15,size=(4,3))

两者之间有什么区别

array([[ 7,  6,  1],
       [ 5,  3,  6],
       [12, 10, 11],
       [ 1,  3,  4]])

和

a[0]

Result:
array([7, 6, 1])

因为它们两个都返回矩阵的相同部分：

a[0:1]

Result:
array([[7, 6, 1]])

我确实知道区别在于形状，因为前者的形状为（3，），而后者的尺寸为（1,3）。但是我的问题是，为什么我们需要具有这种形状。如果您熟悉Matlab，则使用冒号指定范围会给您两行，但是在Python中，它会以相同的形状返回相同的信息。有什么意义？有什么好处？

Answer 1

原因是您可以确信array [x：y]总是返回原始数组的子数组。这样就可以使用所有的数组方法。说你有

map(lambda1, array[x:y])

即使y-x == 1或y-x == 0，也可以保证从array[x:y]返回一个数组，并且可以对其进行映射。想象一下，如果array[1:2]返回了单个项目，即array[1]。然后，上面代码的行为取决于array [1]是什么，并且可能不是您想要的。

Answer 2

我相信您会感到困惑的是，在python中，当您对数组进行拼接时，它包含开始索引，但结束索引是排他的。我相信在Matlab中，开始索引和结束索引都包含在内。

因此对于您给出的示例： a[0:1]将采用索引0，而不是1。

但是，如果您使用的是a[0:2]，则将获得索引0和1的值，并获得您似乎期望的结果。

这也解释了形状为何不同的原因，a [0：1]完全按照您的期望进行。它为您提供了一个行列表，但该列表仅包含1行，因此1的形状为(1, 3)。相反，a [0]仅给您单行，而不是行列表。该行包含3个元素，因此您得到的形状为(3,)

Answer 3

array[m:n]返回一个数组，array[0]返回该数组的元素（我保证，这也与NumPy内容有关，请继续阅读）：

> py -3
Python 3.6.5 (v3.6.5:f59c0932b4, Mar 28 2018, 17:00:18) [MSC v.1900 64 bit (AMD64)] on win32
Type "help", "copyright", "credits" or "license" for more information.
>>> array = [1,2,3]
>>> array[0]
1
>>> array[0:1]
[1]
>>>

这就是为什么您得到这些结果的原因：

a[0]

结果：

array([7, 6, 1])

和

a[0:1]

结果：

array([[7, 6, 1]])

如果仔细看，第二个返回一个array，它包装一个列表的列表，而第一个返回一个array，它包装一个列表数字。

Answer 4

我将尝试用一个简化的例子来解释。

simple_matrix = [[0,1,2],[3,4,5],[6,7,8]]

以下代码正在从列表列表中打印单个元素：

print (simple_matrix[0])

打印的元素是一个列表，这是因为simple_matrix的索引0处的元素是仅一个列表：

>>> [0,1,2]

使用切片，如下面的示例所示，不是返回单个元素，而是两个。在这种情况下，将元素列表期望为返回值更为简单，而这正是我们看到的结果：

print (simple_matrix[0:2])
>>> [[0, 1, 2], [3, 4, 5]]

这个输出似乎令人困惑：

print simple_matrix[0:1]
>>> [[0, 1, 2]]

之所以得到此输出，是因为在这种情况下，您不会像在第一个示例中那样从列表中获得单个元素，而是因为您正在对列表列表进行切片。

此切片返回包含切片元素的列表，在这种情况下，仅包含列表[0，1，2]。

Answer 5

冒号表示法是切片的简写，因此从简短的术语定义和一些简单的例子开始。我会先请您参考this great answer，以首先了解切片的工作原理。这与我称之为“访问符号”或访问<jhi-page-ribbon></jhi-page-ribbon>之类的数组元素形成了鲜明的对比。

因此，在您的情况下，不同之处在于可以在维度0处访问 n维数组，该数组返回该行中的列系列。相反，将您的n维数组从0切片会给出一个包含维0的列表，但不包括1，这将是一个二维数组，其中第一个（也是唯一一个）元素是第一行中的一系列列。

关于形状，这取决于您对数据的处理方式。例如，如果您需要一次访问多个行，则一次使用一个更大的切片可能更有意义，而访问符号则需要多个语句或循环。

关于Numpy数组的说明

切片传统的一维数组将始终产生原始数组的一个子集，作为副本。相反，对n维NP数组进行切片会产生view，它与原始数组共享内存。请注意，修改此切片也会修改原始切片！

Python中array [0]和array [0：1]有什么区别？

5 个答案: