Question

请考虑以下内容：

import numpy as np

X = np.ones((5,5))

print(X[:,0].shape)
print(X[:,0:1].shape)

X[:,0].shape返回(5,)
X[:,0:1].shape返回(5,1)。

在两种情况下都选择了同一列（已建立索引），但是为什么会发生这种情况？背后的逻辑是什么？

X[:,-1:].shape和X[:,-1].shape

的情况完全相同

Answer 1

此行为可以通过以下事实来解释：与切片索引不同，使用说i的整数索引将返回与切片i:i+1相同的值，但返回的维数对象减少1。 docs中对此进行了解释：

特别是，第p个元素为整数（以及所有其他条目:）的选择元组将返回尺寸为N-1的相应子数组

我们可以编写一个简单的子类来仔细研究np.ndarray如何处理索引，并查看在每次调用中__getitem__ dunder会收到什么：

class ndarray_getitem_print(np.ndarray):
    def __getitem__(self, t):
        print(t)
        return super().__getitem__(t)

现在让我们实例化ndarray_getitem_print，看看用片和整数建立索引有什么区别：

a = ndarray_getitem_print((5,5))

a[:,0:1]

(slice(None, None, None), slice(0, 1, None))
(-5, -1)
(-4, -1)
(-3, -1)
(-2, -1)
(-1, -1)
ndarray_getitem_print([[1.],
                       [1.],
                       [1.],
                       [1.],
                       [1.]])

而使用0沿第二轴索引，将产生一个输出ndarray，其中每个项目都具有一维形状，即(-k,)

a[:,0]

(slice(None, None, None), 0)
(-5,)
(-4,)
(-3,)
(-2,)
(-1,)
ndarray_getitem_print([1., 1., 1., 1., 1.])

Answer 2

我认为是因为索引？如果您打印两个函数的结果，则它们是不同的。在NxM np.array中，其数组为arrays。当用X [：，0]索引时，数组中的数组结构丢失。因此，shape只看到您得到的是单个数组而不是多维数组的内容。不带范围的AFAIK索引从列表/集合/内容中获取值。而按范围寻址时会切片。

访问类型时您会看到

>>> b = X[:,0]
>>> c = X[:,0:1]
>>> type(b)
<class 'numpy.ndarray'>
>>> type(c)
<class 'numpy.ndarray'>
>>> type(c[0])
<class 'numpy.ndarray'>
>>> type(b[0])
<class 'numpy.float64'>

仅显示两者之间的差异。

>>> c[0]
array([1.])
>>> b[0]
1.0

numpy数组索引意外行为

2 个答案: