揭秘 numpy 索引/切片

Question

您能帮助揭开以下 numpy 索引/切片行为的神秘面纱吗？谢谢！

arr = np.arange(60).reshape(3,4,5)

print(arr[2, :, 4])     #1

print(arr[[2], :, 4])   #2
print(arr[2, :, [4]])   #3
print(arr[[2], :, [4]]) #4

[44 49 54 59]
[[44 49 54 59]]
[[44 49 54 59]]
[[44 49 54 59]]

#1

是可以理解的，而当涉及到结果的形状（(1,4) 数组）时，#2,#3,#4 对我来说真的很困惑。更具体地说，内部

[]

什么时候会影响结果数组的维度？

Answer 1

基本思想是，就像

x[0]

是数组的第一个元素一样，您可以使用

x[[1, 3, 4, 6]]

创建一个新数组，取出数组的四个元素。请注意，此表示法为数组添加了一个维度。

请注意，无论使用

[]

还是参数是 numpy 数组，都会得到相同的结果。

如果索引中有多个这样的数组或列表，它们将合并在一起。 因此你可以使用：

x[[1, 2],[3, 4]]

获取元素

x[1,3]

和

x[2, 4]

作为二元素数组。有许多 numpy 函数返回数组列表，其中第一个数组是第一个索引，第二个数组是第二个索引，依此类推。您可以直接在索引表示法中使用这些数组。