二维矩阵中的python索引[重复]答案

【问题标题】：python index in 2d matrix [duplicate]二维矩阵中的python索引[重复]
【发布时间】：2018-11-23 22:22:04
【问题描述】：

给定以下代码：

import numpy as np
mat = np.arange(1,26).reshape(5,5)

我的理解是以下几行是相同的：

mat[:3][1:2]
mat[:3,1:2]

但他们不是。为什么？

【问题讨论】：

mat[x][y] 与 mat[x, y] 相同，仅当 x 是标量时，即如果它在第一个维度上选择一个项目。

标签： python python-3.x numpy numpy-indexing

【解决方案1】：

如果您在切片语法中只指定一个维度，则只会切片一个维度。在 NumPy 中，索引中的维度通常由 "," 分隔。

对于二维数组，您可以将“行”替换为“维度 1”，将“列”替换为“维度 2”。在您的示例中，mat[:3] 对前 3 行进行切片。随后的索引器 [1:2] 对这 3 行中的第一行进行切片。

在您的第二个示例中，[:3, 1:2] 同时对行和列进行切片。

查看结果的形状可能会有所帮助：

mat[:3].shape       # (3, 5)
mat[:3][1:2].shape  # (1, 5)
mat[:3,1:2].shape   # (3, 1)

【讨论】：

【解决方案2】：

你的矩阵：

array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])

第一个mat[:3][1:2]会先取mat[:3]再申请[1:2]：

mat[:3]
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15]])
# mat[:3][1:2] => array([[ 6,  7,  8,  9, 10]])

而第二个 (mat[:3,1:2]) 声明：

行至3

array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15]])

列1 到2

 array([[ 2],
       [ 7],
       [12]])

结论，主要区别是第一个是在[:3]之后应用[1:2]

【讨论】：

【解决方案3】：

原因如下：

> mat

# output:
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15],
       [16, 17, 18, 19, 20],
       [21, 22, 23, 24, 25]])

> mat[:3] # you are selecting the first 3 rows

#output:
array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15]])

> mat[:3][1:2] # you are selecting the second row only

Output:
array([[ 6,  7,  8,  9, 10]])

> mat[:3,1:2] # you are selecting from the first 3 rows and the second column

Output:
array([[ 2],
       [ 7],
       [12]])

【讨论】：