Python 哪一种是裸体风格？array.T[x]或array[：，0]

在numpy中提取数据列的首选方法是什么

array[:,x] 

或

我发现，在numpy中，拥有一个数据数组，其中字段位于行中，数据位于列中更易于操作：

array[x]

与上述选项相反，沿一个变量获取整个系列。 但按列排序变量是标准的文件格式

关于使用数据的最简单方法是什么，您有什么偏好吗

---

我应该在读入数据时转置所有数据，然后在输出数据时再次转置吗？

您应该更喜欢切片

[：，x]

，原因如下：

它的速度更快，可能是因为您没有转换整个数组以从中提取片段。在Python 3.5.1、NumPy 1.11.0中测试：

>>> timeit.timeit('A[:,568]', setup = 'import numpy as np\nA = np.random.uniform(size=(1000,1000))')
0.21135332298581488
>>> timeit.timeit('A.T[568]', setup = 'import numpy as np\nA = np.random.uniform(size=(1000,1000))')
0.3025632489880081

它以一种简单的方式推广到高维数组，如

a[3，：，4]

它反映了数组作为多维对象而不是列表（列表）的NumPy思维方式

---

当然，为什么不。。。？首选的方法是最适合你的方法…只是想知道其他人做什么。也因为。。。“应该有一种——最好只有一种——显而易见的方法。尽管这种方法一开始可能并不明显，除非你是荷兰人。”我想不出

array.t[x]

有什么问题，但它并不常用。它不容易推广到更多维度。

array[：，x]

似乎更难理解。我支持可推广的解决方案，因此我支持

array[：，x]

谢谢。

>>> timeit.timeit('A[:,568]', setup = 'import numpy as np\nA = np.random.uniform(size=(1000,1000))')
0.21135332298581488
>>> timeit.timeit('A.T[568]', setup = 'import numpy as np\nA = np.random.uniform(size=(1000,1000))')
0.3025632489880081