Python Numpy索引切片而不丢失维度信息

我正在使用numpy，希望在不丢失维度信息的情况下为一行编制索引

import numpy as np
X = np.zeros((100,10))
X.shape        # >> (100, 10)
xslice = X[10,:]
xslice.shape   # >> (10,)  

在本例中，xslice现在是1维，但我希望它是（1,10）。 在R中，我将使用X[10，：，drop=F]。numpy中有类似的东西吗。我在文档中找不到，也没有看到类似的问题

---

谢谢

我找到了一些合理的解决方案

1） 使用

numpy.take（X[10]，0）

2） 使用这个奇怪的索引

X[10:11:，：]

---

理想情况下，这应该是默认值。我一直不明白为什么维度会下降。但这是对numpy的讨论…

这可能是最容易做到的

x[None，10，：]

或同等方式（但可读性更高）

x[np.newaxis，10，：]

至于为什么它不是默认值，我个人发现，不断使用具有单例维度的数组很快就会让人恼火。我猜numpy开发者也有同样的感觉

另外，numpy可以很好地处理广播阵列，因此通常没有什么理由保留切片所来自的阵列的尺寸。如果你做了，那么像这样的事情：

a = np.zeros((100,100,10))
b = np.zeros(100,10)
a[0,:,:] = b

要么不起作用，要么更难实施

---

（或者至少我猜测numpy开发人员在切片时删除维度信息的原因是这样的）

另一个解决方案是这样做

X[[10],:]

或

---

当索引由索引列表（或数组）执行时，数组的维数将保持不变。这很好，因为它让你在保持维度和压缩之间做出选择。

这里有一个我更喜欢的选择。使用范围索引，而不是使用单个数字索引。也就是说，使用

X[10:11，：]

。（请注意，

10:11

不包括11）

这使得更多维度也更容易理解，无需调整和计算使用哪个索引的轴。也不需要对数组大小做额外的簿记，只需对常规索引中使用的任何

i

进行

i:i+1

b = np.ones((2, 3, 4))
b.shape # >> (2, 3, 4)
b[1:2,:,:].shape  # >> (1, 3, 4)
b[:, 2:3, :].shape .  # >> (2, 1, 4)

要通过gnebehay添加到，还可以使用元组：

X[(10,),:]

---

如果您使用的数组在运行时的长度可能为1，那么这尤其令人恼火。在这种情况下，有

np.ix

：

some_array[np.ix_(row_index,column_index)]

---

这会复制阵列数据，但情况并非总是如此。请参阅：

x=np.array（[[1,2,3,4]]）

如果然后使用

x[[0]，[1,2]]对其进行切片

您将得到一维

数组（[2,3]）

我的意见是，在选择列向量或行向量时，最好简化切片，然后使用

np.reformate

，因此在我的示例中是

np.reformate（x[0,1,2]，[1,2]）

其他人，最后要注意分号-这很重要，

X[[10]]

将被解释为

X[10]

并且形状会更小；类似地，

X[[10,20]==X[10,20]

和shape甚至更小警告：不要将这种索引方式与整数索引混合使用！如果你有

a
的形状
（10,20,30）
，那么
a[0，：，[0]
将有
（1,20）
，而不是
（20,1）
，因为在后一种情况下，索引被广播到
a[[0]，：，[0]
，这通常不是你所期望的！而
a[0，：，：1]
将按预期为您提供
（20，1）
。此外，关于单索引的奇怪边缘情况，请参见上面的注释。总的来说，这个方法似乎有太多的边缘案例。@Lisa:
x[None，10]
可以满足您的需要。是的。将你的
None
s放在你正在切割的DIM旁边。示例是
b
赋值中元组缺少额外的括号；它应该是
b=np.zero（（100,10））
。为什么总共使用3个索引而不是仅使用两个？我的意思是
X[10，None]
（以您的代码为例）。“通常没有什么理由保留数组的维度”。。。当然，它会彻底地搞砸矩阵乘法（）。刚刚被这个问题烧坏了。在为Python列表编制索引时，“维度”会被删除，
alist[0]
并在对它们进行切片时保留。选项2（可以写成
slice（n，n+1）
用于提取索引
n
）应该是可接受的答案，因为它是唯一一个自然扩展到n维情况的选项。选项2似乎能够在Python 3.7.5中写成
X[10:11，：]
（即在11后面没有额外的冒号）
X[(10,),:]

some_array[np.ix_(row_index,column_index)]