如果我用一组坐标切片一个二维数组
>>> test = np.reshape(np.arange(40),(5,8)) >>> coords = np.array((1,3,4)) >>> slice = test[:,coords]
然后我的切片有我期望的形状
>>> slice.shape (5,3)
但是,如果我用3d数组重复这个
>>> test = np.reshape(np.arange(80),(2,5,8)) >>> slice = test[0,:,coords]
然后形状现在
>>> slice.shape (3,5)
这些是不同的原因吗？分离索引会返回我期望的形状
>>> slice = test[0][:][coords] >>> slice.shape (5,3)
为什么这些视图会有不同的形状？
解决方法
slice = test[0,coords]
是简单的索引,实际上是说“取第一个坐标的第0个元素,所有第二个坐标,以及第三个坐标的[1,4]”.或者更确切地说,取坐标(0,无论如何,1)并使它成为我们的第一行,(0,2)并使它成为我们的第二行,并且(0,3)并使它成为我们的第三行.有5个whatevers,所以你最终得到(3,5).
你给出的第二个例子是这样的：
slice = test[0][:][coords]
在这种情况下,您正在查看(5,8)数组,然后获取第1,第3和第4个元素,即第1行,第3行和第4行,因此最终得到(5,3)数组.
编辑讨论2D案例：
在2D情况下,其中：
>>> test = np.reshape(np.arange(40),8)) >>> test array([[ 0,1,2,4,6,7],[ 8,9,10,11,12,13,14,15],[16,17,18,19,20,21,22,23],[24,25,26,27,28,29,30,31],[32,33,34,35,36,37,38,39]])
行为是类似的.
情况1：
>>> test[:,[1,4]] array([[ 1,4],[ 9,12],[17,20],[25,28],[33,36]])
只是选择列1,3和4.
案例2：
>>> test[:][[1,4]] array([[ 8,39]])
取数组的第1,即行.