Python 带列表的Numpy数组索引：arr[：][li]和arr[：，li]之间的差异

以下行为的解释是什么：

import numpy as np    
arr = np.zeros((3, 3))
li = [1,2]
print('output1:', arr[:, li].shape)
print('output2:', arr[:][li].shape)

>>output1: (3, 2)
>>output2: (2, 3)

---

我希望output2等于output1。

您得到的是正确的输出

在第一线

print('output1:', arr[:, li].shape)

您正在打印arr中每个子阵列的第2个和第3个元素，因此得到3个元素，每个元素包含2个值

第二行

print('output2:', arr[:][li].shape)

---

首先选择整个数组，然后从整个数组中选择第二个和第三个元素，每个元素本身包含3个元素，从而得到2个元素，每个元素包含3个值。

您得到的是正确的输出

在第一线

print('output1:', arr[:, li].shape)

您正在打印arr中每个子阵列的第2个和第3个元素，因此得到3个元素，每个元素包含2个值

第二行

print('output2:', arr[:][li].shape)

---

首先选择整个数组，然后从整个数组中选择第二个和第三个元素，每个元素本身包含3个元素，从而得到2个元素，每个元素包含3个值。

如果检查此代码，可以看到差异-

import numpy as np    
arr = np.arange(9).reshape(3, 3)
li = [1,2]
print('output1:', arr[:, li])
print('output2:', arr[:][li])

这给-

[[1 2]
 [4 5]
 [7 8]]

及

当您执行arr[：，[1，2]]时，您所说的是要获取数组的所有行：指定这个，并从中获取列[1，2]

另一方面，在执行arr[：]时，首先引用的是完整数组。您将再次从中取出前两行

---

本质上，在第二种情况下，[12]指的是原始数组的行轴，而在第一种情况下，它指的是列。

如果检查此代码，可以看到差异-

import numpy as np    
arr = np.arange(9).reshape(3, 3)
li = [1,2]
print('output1:', arr[:, li])
print('output2:', arr[:][li])

这给-

[[1 2]
 [4 5]
 [7 8]]

及

当您执行arr[：，[1，2]]时，您所说的是要获取数组的所有行：指定这个，并从中获取列[1，2]

另一方面，在执行arr[：]时，首先引用的是完整数组。您将再次从中取出前两行

---

本质上，在第二种情况下，[12]指的是原始数组的行轴，而在第一种情况下，它指的是列。

让我们使用一个不同的数组，更容易看到差异：

>>> arr = np.arange(9).reshape(3, 3)
>>> arr
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

第一种情况下，arr[：，li]将从第一个维度中选择所有元素（本例中为所有行），然后使用[1，2]对数组进行索引，这意味着只需省略第一列：

数组[[1,2]， [4, 5], [7, 8]] 因此，它的形状是3，2

---

另一种情况arr[：]将复制原始数组，因此它不会更改形状，因此它与arr[li]相等，因此输出形状为2,3。通常，您应该避免对数组进行双重索引，因为这样可能会创建两次视图，这是低效的。

让我们使用一个不同的数组，以便更容易看到差异：

>>> arr = np.arange(9).reshape(3, 3)
>>> arr
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

第一种情况下，arr[：，li]将从第一个维度中选择所有元素（本例中为所有行），然后使用[1，2]对数组进行索引，这意味着只需省略第一列：

数组[[1,2]， [4, 5], [7, 8]] 因此，它的形状是3，2

---

另一种情况arr[：]将复制原始数组，因此它不会更改形状，因此它与arr[li]相等，因此输出形状为2,3。通常，您应该避免对数组进行双重索引，因为这样可能会创建两次视图，这是低效的。

a[：]只复制a.a[：]只复制a。