Python Numpy数组索引:[:,0],:,0:1]和[:,[0]]之间的差异

Python Numpy数组索引:[:,0],:,0:1]和[:,[0]]之间的差异,python,arrays,numpy,indexing,Python,Arrays,Numpy,Indexing,考虑一个Numpy数组 x = array( [[4, 0, 3, 3], [7, 9, 3, 5], [2, 4, 7, 6], [8, 8, 1, 6]]) 考虑这3个命令 x[: , 0] x[: , 0:1] x[: , [0]] 第一个生成数组([4,7,2,8]),而第二个和第三个返回 array( [[4], [7], [2], [8]]) 是什么解释了这种行为上的差异 @Divakar我的问题如何与你提到的问题重复?答案基本上是x

考虑一个Numpy数组

x = array(
  [[4, 0, 3, 3],
   [7, 9, 3, 5],
   [2, 4, 7, 6],
   [8, 8, 1, 6]])
考虑这3个命令

x[: , 0]
x[: , 0:1]
x[: , [0]]
第一个生成
数组([4,7,2,8])
,而第二个和第三个返回

array(
  [[4],
   [7],
   [2],
   [8]])
是什么解释了这种行为上的差异


@Divakar我的问题如何与你提到的问题重复?答案基本上是
x[:,0]
dim不保留,因为有变暗,而对于其他两种情况,则是。在链接的问题中有一些讨论。@Divakar这个问题对我没有任何帮助。在按下关闭按钮之前,你应该仔细阅读帖子,不要滥用你的金徽章。。。我没有足够的代表来保证重新投票。也许现在是开始阅读Divakar的好时机。我专门问了这个问题,因为我没有时间浏览文档。你对重复原因的投票结果是否真的是对RTFM的重新表述?@Divakar我的问题与你提到的问题是如何重复的?基本上答案是
x[:,0]
dim没有保留,因为有dim减少,而对于其他两种情况,则是这样。在链接的问题中有一些讨论。@Divakar这个问题对我没有任何帮助。在按下关闭按钮之前,你应该仔细阅读帖子,不要滥用你的金徽章。。。我没有足够的代表来保证重新投票。也许现在是开始阅读Divakar的好时机。我专门问了这个问题,因为我没有时间浏览文档。你对重复原因的接近投票实际上是对RTFM的重新表述吗?