Python Numpy数组索引意外行为

考虑以下几点：

import numpy as np

X = np.ones((5,5))

print(X[:,0].shape)
print(X[:,0:1].shape)

• X[：，0]。形状

  返回

  （5，）

• X[：，0:1]。形状

  返回

  （5,1）

在这两种情况下，都会选择相同的列（索引），但为什么会发生这种情况？背后的逻辑是什么

---

---

与

X[：，-1:]完全相同。shape

和

X[：，-1]。shape

这一行为的解释是，与使用切片索引不同，使用say

i

进行整数索引，将返回与切片

i:i+1

相同的值，但返回对象的维数将减少

1

。下文对此进行了解释：

特别是，第p个元素为整数（以及所有其他项：）的选择元组返回维度为N-1的对应子数组

---

我们可以编写一个简单的子类来更仔细地了解

np.ndarray

如何处理索引，并查看

\uuu getitem\uuuu

dunder在每个调用中接收到什么：

class ndarray_getitem_print(np.ndarray):
    def __getitem__(self, t):
        print(t)
        return super().__getitem__(t)

现在让我们实例化

ndarray\u getitem\u print

，看看使用切片和整数进行索引时有什么区别：

a = ndarray_getitem_print((5,5))

a[:,0:1]

(slice(None, None, None), slice(0, 1, None))
(-5, -1)
(-4, -1)
(-3, -1)
(-2, -1)
(-1, -1)
ndarray_getitem_print([[1.],
                       [1.],
                       [1.],
                       [1.],
                       [1.]])

而沿第二轴用

0

进行索引将产生一个输出数据阵列，其中每个项目都具有一维形状，即

（-k，）

---

我想是因为索引？如果打印两个函数的结果，则它们是不同的。在NxM np.array中，其数组在数组中。使用X[：，0]索引时，数组中的数组结构将丢失。因此，shape只能看到您得到的是单个数组，而不是多维数组。没有范围的AFAIK索引从列表/集合/某物中获取值。而当您按范围寻址时，您将进行切片

当您访问这些类型时可以看到这一点

>>> b = X[:,0]
>>> c = X[:,0:1]
>>> type(b)
<class 'numpy.ndarray'>
>>> type(c)
<class 'numpy.ndarray'>
>>> type(c[0])
<class 'numpy.ndarray'>
>>> type(b[0])
<class 'numpy.float64'>

>>> b = X[:,0]
>>> c = X[:,0:1]
>>> type(b)
<class 'numpy.ndarray'>
>>> type(c)
<class 'numpy.ndarray'>
>>> type(c[0])
<class 'numpy.ndarray'>
>>> type(b[0])
<class 'numpy.float64'>

>>> c[0]
array([1.])
>>> b[0]
1.0