Python np.take返回一个具有额外奇异维数的数组

我试图用一个包含3个元素的索引集沿着

0第

轴分割一个数组，比如说，shape

（5，10，2）

。结果，我得到了一个shape

（1,3,10,2）

数组。在这种情况下，添加虚拟尺寸标注的原因是什么？对我来说，这似乎是一个糟糕的设计，因为使用大括号语法的普通索引不能做到这一点

np.compress也有正确的行为。
在NumPy中，返回数组的形状，无论是索引还是使用
np.take
，都会受到传递的索引形状的影响。因此，例如，如果使用二维索引数组对一维数组进行索引，将得到二维结果：

>>> x = np.array([9, 8, 7, 6, 5])
>>> i = np.array([[1, 3], [2, 4]])
>>> x[i]
array([[8, 6],
       [7, 5]])

这甚至适用于多维数组，除非后续维度添加到索引形状：

>>> x = np.random.rand(5, 4, 3)
>>> x[i].shape
(2, 2, 4, 3)

因此，如果您有一个形状为
（1，3）
的索引数组，则该形状将“压印”在结果上：

>>> x = np.random.rand(5, 10, 2)
>>> i = np.array([[1, 2, 3]])
>>> x[i].shape
(1, 3, 10, 2)

这相当于沿轴进行
拍摄
：

>>> x.take(i, axis=0).shape
(1, 3, 10, 2)

您的问题不包括任何代码，但我怀疑，当您将索引复制并粘贴到
take
中时，您复制了额外的一对方括号：

>>> x[[1, 2, 3]].shape
(3, 10, 2)
>>> x.take([[1, 2, 3]], axis=0).shape
(1, 3, 10, 2)

索引数组的形状很重要，这在使用numpy构造更复杂的表达式时非常有用。
在numpy中，返回数组的形状，无论是索引还是使用
np.take
，都会受到传递的索引形状的影响。因此，例如，如果使用二维索引数组对一维数组进行索引，将得到二维结果：

>>> x = np.array([9, 8, 7, 6, 5])
>>> i = np.array([[1, 3], [2, 4]])
>>> x[i]
array([[8, 6],
       [7, 5]])

这甚至适用于多维数组，除非后续维度添加到索引形状：

>>> x = np.random.rand(5, 4, 3)
>>> x[i].shape
(2, 2, 4, 3)

因此，如果您有一个形状为
（1，3）
的索引数组，则该形状将“压印”在结果上：

>>> x = np.random.rand(5, 10, 2)
>>> i = np.array([[1, 2, 3]])
>>> x[i].shape
(1, 3, 10, 2)

这相当于沿轴进行
拍摄
：

>>> x.take(i, axis=0).shape
(1, 3, 10, 2)

您的问题不包括任何代码，但我怀疑，当您将索引复制并粘贴到
take
中时，您复制了额外的一对方括号：

>>> x[[1, 2, 3]].shape
(3, 10, 2)
>>> x.take([[1, 2, 3]], axis=0).shape
(1, 3, 10, 2)

索引数组的形状很重要，这在使用numpy构造更复杂的表达式时非常有用。
是否提供一个代码片段来演示您的问题？我想您只需要
a[[1,2,3]]
。take用于更复杂的提取，并且有自己的逻辑。您的
索引集的
形状是什么？（3，）或（1,3）？如果您不想要它，“挤压”将移除它，否则下面的解释是合理的，请提供一个代码片段来演示您的问题？我想您只需要
a[[1,2,3]]
。take用于更复杂的提取，并且有自己的逻辑。您的
索引集的
形状是什么？（3，）或（1,3）？如果你不想要它，“挤压”将移除它，否则下面的解释是合理的