Python 为什么Numpy中的数组索引会产生这种结果？

根据，将数组索引指定为

array\u name[x，y]

和

array\u name[x][y]

是等效的，应该会产生相同的结果。但是，以下代码段：

import numpy as np

a = np.empty((7, 8, 9), dtype = object)
# First indexing notation
print(a[:, 0, 0].shape, a[0, :, 0].shape, a[0, 0, :].shape)
# Second indexing notation
print(a[:][0][0].shape, a[0][:][0].shape, a[0][0][:].shape)

产生输出：

(7,) (8,) (9,)    
(9,) (9,) (9,)

---

这显然是不等价的。给出了什么？

您误解了numpy如何解释索引/切片。类似于

a[x，y，z]

，numpy使用

x

沿第一维度选择，沿第二维度选择

y

，沿第三维度选择

z

然而，对于像

a[x][y][z]

这样的东西，numpy沿着

a

的第一维度使用

x

，沿着

a[x][y]的第一维度使用
y
，沿着
a[x][y]的第一维度使用
z

如果将使用
：
与使用某个数字进行比较，这可能会令人困惑。为什么会这样？一个是切片（
：
），另一个是索引（no
：
）。因为沿维度切片（使用
：
）实际上并不会减少数组的维度，而索引确实会减少数组的维度

可能会有很多例子来说明这一点，但我认为最好让您在ipython中使用一个数组，看看不同的索引和切片如何影响输出。但是，我将提供一两个例子来专门回答您的问题

import numpy as np

a = np.arange(2*3*4).reshape((2,3,4))

a
array([[[ 0,  1,  2,  3],
        [ 4,  5,  6,  7],
        [ 8,  9, 10, 11]],

       [[12, 13, 14, 15],
        [16, 17, 18, 19],
        [20, 21, 22, 23]]])

# First indexing notation
print(a[:, 0, 0].shape, a[0, :, 0].shape, a[0, 0, :].shape)
# Prints (2,) (3,), (4,)

将其分解，我们将每个：


a[：，0，0]
获取所有第一维度，而
0
th元素则获取第二维度和第三维度
a[0，：，0]
获取第一维度的
0
th元素、第二维度的所有元素以及第三维度的
0
th元素
a[0,0，：]
将
0
th元素用于第一维度和第二维度，将所有元素用于第三维度


在这种情况下：


a[：]
基本上与
a
相同（返回矩阵的新
视图
——谷歌“numpy视图”获取更多信息）。由于
a[：]
与
a
相同，
a[：][0]
选择
0
沿
a
第一维度的元素
等等


OP说：

根据，将数组索引指定为array_name[x，y]和array_name[x][y]是等效的

这是真的！要认识到的主要一点是（尽管相关）索引和切片不是一回事（正如我上面指出的）。
使用
[：]
进行索引没有任何作用。即使有一个列表，它也只是复制。使用
x[…][…][…]
时，您必须单独查看每个索引操作的操作。口译员一次应用一个。在
[，…，…，…]
numpy
中，它们可以一起使用。等效性仅适用于单元素索引，而不适用于切片（使用
：
）或高级索引。明白了，谢谢。您还可以解释一下是什么导致Python在第二行生成结果吗？如果您省略了
[：]
，它可以归结为
a[0][0]
，这与
a[0,0]
或
a[0,0，：]
相同。但是第二行的所有三个表达式的计算结果都是[0,0，：]难道不奇怪吗？这是我遗漏的某种特征吗？这是有道理的。非常感谢。
# Second indexing notation
print(a[:][0][0].shape, a[0][:][0].shape, a[0][0][:].shape)
# Prints (4,) (4,) (4,)