Python Numpy切片后结果数组形状的确定

我很难理解在numpy中切片后如何确定合成阵列的形状。例如，我使用以下简单代码：

import numpy as np


array=np.arange(27).reshape(3,3,3)

slice1 = array[:,1:2,1]
slice2= array[:,1,1]

print "Content in slice1 is  ", slice1
print "Shape of slice1 is ", slice1.shape
print "Content in slice2 is ",slice2
print "Shape of Slice2 is", slice2.shape

这项研究的结果是：

Content in slice1 is 
 [[ 4]
  [13]
  [22]]
Shape of slice1 is  (3, 1)
Content in slice2 is  [ 4 13 22]
Shape of Slice2 is (3,)

---

在这两种情况下，内容都是相同的（应该是一样的）。但它们的形状不同。那么，结果形状是如何由numpy确定的呢

基本上可以归结为-

In [118]: a = np.array([1,2,3,4,5])

In [119]: a[1:2]
Out[119]: array([2])

In [120]: a[1]
Out[120]: 2

当您执行

a[1:2]

时，您要求的是一个包含1个元素的数组

当您执行

a[1]

操作时，您正在请求该索引处的元素

---

类似的事情也发生在你身上

当您执行-

数组[：，1:2,1]

时，它意味着来自第一维度的所有可能索引、来自第二维度的索引子列表（尽管子列表仅包含一个元素）以及来自第三维度的第一个索引。所以你得到了一个数组-

 [[ 4]
  [13]
  [22]]

当您执行-

数组[：，1,1]

时，它意味着来自第一维度的所有可能索引、来自第二维度的第一个索引和来自第三维度的第一个索引。所以你得到了一个数组-

[4 13 22]

---

基本上：切片不会减少维度数量，但使用整数索引每次会减少1个维度数量。有一个

shape

属性。查看

x.\uuuu数组\u接口\uuuu

以查看它和其他属性。