Python 如何将一维numpy数组作为一个包含1行的矩阵进行索引？

我有一个1D numpy阵列，如：

a = np.array([1,2,3,4,5])

我想把这个

a

作为索引（好像它是一个1乘5的矩阵，

a[0,2]

等于3）：

a[0,2]
回溯（最近一次呼叫最后一次）：
文件“”，第1行，在
a[0,1]
索引器：数组的索引太多

---

我知道在MATLAB中这是可能的，但是在Python中如何做到这一点呢？我之所以需要它，是因为

a

是动态生成的，有时是1D数组，有时是nD数组。我需要在循环中使用统一的索引方式。

使用

。重塑
并传递
-1
作为第二个参数：

>>> a = np.array([1,2,3,4,5])
>>> a = a.reshape(1, -1)
>>> a[0,2]
3

注意，如果您需要任何类型的
ndarray
，则这可能不是您想要的：

>>> arr = np.array([[1,2],[3,4]])
>>> arr
array([[1, 2],
       [3, 4]])
>>> arr.reshape(1, -1)
array([[1, 2, 3, 4]])

因此，您可能需要添加条件检查：

>>> if a.ndim < 2:
...     a = a.reshape(1, -1)
...
>>> a
array([[1, 2, 3, 4, 5]])

>>如果a.ndim<2：
...     a=a.重塑（1，-1）
...
>>>a
数组（[[1,2,3,4,5]]
使用
。重塑
并传递
-1
作为第二个参数：

>>> a = np.array([1,2,3,4,5])
>>> a = a.reshape(1, -1)
>>> a[0,2]
3

注意，如果您需要任何类型的
ndarray
，则这可能不是您想要的：

>>> arr = np.array([[1,2],[3,4]])
>>> arr
array([[1, 2],
       [3, 4]])
>>> arr.reshape(1, -1)
array([[1, 2, 3, 4]])

因此，您可能需要添加条件检查：

>>> if a.ndim < 2:
...     a = a.reshape(1, -1)
...
>>> a
array([[1, 2, 3, 4, 5]])

>>如果a.ndim<2：
...     a=a.重塑（1，-1）
...
>>>a
数组（[[1,2,3,4,5]]
您可以使用它将一维阵列升级为二维阵列：

a = np.atleast_2d(a)

如果你把这个放在你的循环中，那么你就可以把所有的
a
s当作2D（或更高维）数组


比如说,

In [103]: a1 = np.array([1,2,3,4,5])
In [105]: np.atleast_2d(a1)
Out[107]: array([[1, 2, 3, 4, 5]])

虽然高维数组保持不变：

In [104]: a2 = np.array([[1,2],[3,4]])
In [108]: np.atleast_2d(a2)
Out[108]: 
array([[1, 2],
       [3, 4]])

可以使用将一维阵列升级为二维阵列：

a = np.atleast_2d(a)

如果你把这个放在你的循环中，那么你就可以把所有的
a
s当作2D（或更高维）数组


比如说,

In [103]: a1 = np.array([1,2,3,4,5])
In [105]: np.atleast_2d(a1)
Out[107]: array([[1, 2, 3, 4, 5]])

虽然高维数组保持不变：

In [104]: a2 = np.array([[1,2],[3,4]])
In [108]: np.atleast_2d(a2)
Out[108]: 
array([[1, 2],
       [3, 4]])

此外，您还可以使用这些：

In [7]: a = np.array([1,2,3,4,5])

# make it as row vector of shape (1, 5)
In [8]: a = a[np.newaxis, :]

In [9]: a[0,2]
Out[9]: 3


# another approach using `None`    
In [10]: a = np.array([1,2,3,4,5])

# make it as row vector of shape (1, 5)
In [11]: a = a[None, :]

In [12]: a[0, 2]
Out[12]: 3

当您使用或
None
一次时，会添加一个新轴；请注意，您已将其分配给原始阵列，以修改最终阵列。
此外，您还可以使用这些：

In [7]: a = np.array([1,2,3,4,5])

# make it as row vector of shape (1, 5)
In [8]: a = a[np.newaxis, :]

In [9]: a[0,2]
Out[9]: 3


# another approach using `None`    
In [10]: a = np.array([1,2,3,4,5])

# make it as row vector of shape (1, 5)
In [11]: a = a[None, :]

In [12]: a[0, 2]
Out[12]: 3

当您使用或
None
一次时，会添加一个新轴；请注意，您已将其分配给原始数组，以便对最终数组进行修改。
如果它是三维数组，该怎么办？我肯定它将是二维的，因为我的原始数据是一组多维数据点，每个点都有一个分区标签。我试图用相同的标签提取数据点，有些标签可能只有一个数据点，有些有很多数据点。如果你确定它是2D的，你有时不应该得到1D数组。对不起，我的意思是至少1D，最多2D。MATLAB总是2D或更高。如果它是3D数组，怎么办？我肯定它是2D，因为我的原始数据是一堆多维数据点，每个数据点都有一个分区标签。我试图用相同的标签提取数据点，有些标签可能只有一个数据点，有些有很多数据点。如果你确定它是二维的，你有时不应该得到1D数组。对不起，我的意思是至少1D，最多2D。MATLAB总是2D或更高。这很方便！这很方便！