Python 巨蟒；如何最好地处理可能的0d阵列

Python numpy Ndarray让我失望了！我能回到Matlab吗

假设我有一个函数，它需要一个数组向量输入。我使用numpy.asarray函数强制输入到我想要的表单中，方便地避免了已经是ndarray的内容的重复。但是，如果传入标量，有时会将其放入0d数组而不是1d数组，具体取决于传入的方式。0d数组会导致问题，因为我可以索引到它

首先，为什么我不能？说

x=np.array（1）

。然后

x.size==1

，因此它应该有第0个元素。为什么我不能执行

x[0]

或

x[-1]

。我知道它想要像python int一样，但是它应该比int更好，而不是故意给出相同的限制

其次，如果numpy asarray函数有一些可选的输入来强制输出至少是1d数组，那就太棒了。然后我可以做一些类似于

x=np.asarray（x，force\u至少\u 1d=True）

但是，我能想到的最佳选择是检查ndim属性，如果它是0，则将其扩展为1。我觉得这不对。我还缺少其他选择吗

import numpy as np

def func(x, extra_check=True):
    r"""Meaningless Example Function for stackoverflow."""
    # force input to be ndarrays
    x = np.asarray(x)

    if x.size == 0:
        print('Don''t do anything.')

    # Extra test to deal with garbage 0D arrays so that they can be indexed by keep.
    # This test is really bothering me.  Is there a better way to make it unnecessary?
    if extra_check and (x.ndim == 0):
        x = x[np.newaxis]

    if x[0] > 0 and x[-1] > 5:
        print('Do something cool.')
    else:
        print('Do something less cool.')

if __name__ == '__main__':
    # nominally intended use
    x1 = np.array([1, 2, 10])
    y1 = func(x1) # prints "Do something cool."

    # single item use
    x2 = x1[x1 == 2]
    y2 = func(x2) # prints "Do something less cool."

    # scalar single item use that works with extra check
    x3 = x1[1]
    y3 = func(x3) # prints "Do something less cool."

    # scalar single item that will fail without extra check
    x4 = x1[1]
    y4 = func(x4, extra_check=False) # raises IndexError

所以我这里的主要问题是，是否有比我现有的更好的方法。如果没有，其他人是否同意应该有？我对Python比较陌生，所以我从未尝试过对源代码做出任何贡献，但我想我可以寻找另一个问题来向我解释这个过程

如果有必要，我将使用python v3.5.1和numpy 1.9.3。谢谢

其次，如果numpy asarray函数有一些可选的输入来强制输出至少是1d数组，那就太棒了。然后我可以做一些类似于x=np.asarray（x，force至少是真的）

np.asarray

没有，但是

np.array

有--

ndmin

--并且有一个专用的

np.atleast_1d

函数（还有2和3）：

---

任何数组都可以使用包含

x.ndim

元素的元组进行索引

2d：

1d:

0d：

为元素编制索引实际上并不返回标量

In [250]: x=np.array([[1]])

In [251]: type(x[0,0])
Out[251]: numpy.int32

In [252]: x[0,0][()]
Out[252]: array(1)

它返回一个

dtype

对象，该对象接受0d索引

你提到MATLAB那里的一切都是2d（或更高）；将0d设置为下限不是更符合逻辑吗？：）

另一个答案提到了

ndmin

参数，以及

至少1d

（还有一个2d和3d）。查看

至少_1d

的文档和代码，了解它如何重塑各种案例。e、 g

 if len(ary.shape) == 0 :
     result = ary.reshape(1)

---

如果您需要类似MATLAB的2d数组，为什么不使用

np.array（[[1]]）

。我们一直使用

np.array（[[1,2]，[3,4]]）

之类的表达式。我个人认为numpy处理1D和0D数组是它比Matlab最大的优势之一。一切都是一致的。可以使用长度为2的元组为2D数组编制索引。0D阵列？长度为0的元组。很可爱。如果您正在编写在真正的ND阵列上运行的函数，那么Matlab实现将成为所有特殊情况下的实现。谢谢。我将把

x=np.asarray（x）

替换为

x=np.asarray（x））

并去掉额外的检查。这似乎是一个相当干净的方法。

np.至少1d（x）

应该足够了，因为它首先会自动将非

ndarray

输入转换为

ndarray

。谢谢。在本例中，我不知道如何使用tuple来帮助您，但值得一提。我有点习惯了1d数组，可以看出区分向量和矩阵的吸引力，尽管我还没有完全了解0d版本。有一些索引方法不会降低维度-

x1[[1]]

，

x1[:1]

，等等。输出不正确-

x[0,0][（）]

不是一个array@Eric，现在它是一个

numpy.int32

。我不知道为什么我去年发布了

array（1）

；它看起来像一个复制粘贴（来自早期版本）。。但我的观点仍然是，

dtype

对象的行为类似于0d数组。我想你指的是

np.generic

对象。有人建议将

isinstance（np.int32，np.dtype）

设置为true，但这还有很长的路要走，即使这样也不会使

isinstance（np.int32（1），np.dtype）

设置为true。

In [241]: x=np.array([1])    
In [242]: x[(0,)]     # (0,) to distinguish from (0)==0
Out[242]: 1

In [243]: x=np.array(1)    
In [244]: x[()]      # empty tuple
Out[244]: 1

In [250]: x=np.array([[1]])

In [251]: type(x[0,0])
Out[251]: numpy.int32

In [252]: x[0,0][()]
Out[252]: array(1)

 if len(ary.shape) == 0 :
     result = ary.reshape(1)