不同形状的ndarray

的“相同”的部分我考虑一个numpy的数组：不同形状的ndarray

import numpy as np 
b = np.empty((10,11,12))

现在我希望下面的形状是相同的，但他们显然不是：

>>> b[0,:,1].shape 
>>> (11,)

和

>>> b[0][:][1].shape 
>>> (12,)

有人可以给我解释为什么形状不同？我阅读了关于编制索引的Numpy文档，但是它表示编写a[k][l]与a[k,l]相同。

来源

2017-11-25 user9007131

但是，这并不适用于带'：'的'[：]'或表达式。 – hpaulj

在第二步中，评估'temp = b [0]'。然后'temp1 = temp [：]'，然后'temp1 [1]'。也就是说，单独的索引操作。 'b [0，：，1]'是一个索引操作，通过'numpy'作为一个整体进行评估。尝试匹配这两个操作并不总是有用。 – hpaulj

发生这种情况是因为b[0][:]是b[0]的视图，因此b[0][:][1]确实是b[0, 1, :]。一个数字例子可能有助于突出显示发生了什么：

In [5]: b = np.arange(3*4*5).reshape((3, 4, 5)) 

In [6]: b[0] 
Out[6]: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]]) 

In [7]: b[0, :] 
Out[7]: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]]) 

In [8]: b[0, :, 1] 
Out[8]: array([ 1, 6, 11, 16]) 

In [10]: b[0][:] 
Out[10]: 
array([[ 0, 1, 2, 3, 4], 
     [ 5, 6, 7, 8, 9], 
     [10, 11, 12, 13, 14], 
     [15, 16, 17, 18, 19]]) 

In [11]: b[0][:][1] 
Out[11]: array([5, 6, 7, 8, 9]) 

In [13]: b[0, 1, :] 
Out[13]: array([5, 6, 7, 8, 9]) 

In [32]: b[0][:, 1] 
Out[32]: array([ 1, 6, 11, 16])

来源

2017-11-25 12:57:00 fuglede

我想我现在明白了。 [：]给出数组的一个副本，但以这种方式使用它：b [0，：，1]表示在第一维中选择第0个位置，在第二个维中选择第一个位置，在第三个维中选择第一个位置，对？ – user9007131

除了一个普通的gotcha：与Python列表不同的是，''：''不会*浅拷贝'np.ndarray';相反，它给你一个原始数组的视图：如果让'c = b [：]'并更改'c'的任何部分，那么'b'引用的内容也会改变。 – fuglede

那么当处理numpy数组时，什么是[：]呢？我可以忽略它，并总是在上面的例子中得到相同的结果。 – user9007131

不同形状的ndarray

回答

相关问题