NumPy数组索引的意外行为

Question

请考虑以下内容：

import numpy as np

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

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

• X[:,0].shape 返回 (5,)

• X[:,0:1].shape 返回 (5,1)

在这两种情况下，选择（索引）的是相同的列，但为什么会出现这种情况？这背后的逻辑是什么？

---

使用 X[:,-1:].shape 和 X[:,-1].shape 时也会发生完全相同的情况。

- seralouk

Answer 1

这种行为是由以下事实解释的：与使用切片索引不同，使用整数索引（例如i）将返回与切片i:i+1相同的值，但返回对象的维度减少了1。这在文档中有解释：

特别地，选择元组的第p个元素是整数（其他所有条目为:），将返回相应的子数组，其维度为N-1

---

我们可以编写一个简单的子类来更仔细地查看np.ndarray如何处理索引，并查看每个调用中__getitem__ dunder接收到的内容：

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_getitem_print，看看使用切片和整数进行索引时的区别：

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.]])

使用 0 沿第二个轴进行索引，将生成一个输出 ndarray，其中每个元素具有一维形状，即 (-k,)。

a[:,0]

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

- yatu

Answer 2

我认为这是由于索引的原因？如果打印两个函数的结果，它们是不同的。在一个NxM np.array中，它是数组中的数组。当您使用X [:，0]进行索引时，数组中数组的结构会丢失。因此，形状只看到您得到的单个数组，而不是多维数组。据我所知，没有范围的索引从列表/集合/某些东西中获取值。而当您通过范围寻址时，则进行切片。

当您访问类型时，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'>

只是为了展示两者之间的区别。

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

- Jason Chia