使用 List 进行 Numpy 数组索引：arr[:][li] 和 arr[:,li] 之间的区别答案

【问题标题】：Numpy array indexing with a List: difference between arr[:][li] and arr[:,li]使用 List 进行 Numpy 数组索引：arr[:][li] 和 arr[:,li] 之间的区别
【发布时间】：2021-02-02 11:00:36
【问题描述】：

以下行为的解释是什么：

import numpy as np    
arr = np.zeros((3, 3))
li = [1,2]
print('output1:', arr[:, li].shape)
print('output2:', arr[:][li].shape)

>>output1: (3, 2)
>>output2: (2, 3)

我希望 output2 等于 output1。

【问题讨论】：

a[:] 只复制a。

标签： python arrays numpy indexing

【解决方案1】：

让我们使用一个不同的数组，这样更容易看出区别：

>>> arr = np.arange(9).reshape(3, 3)
>>> arr
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])

第一种情况arr[:, li] 将选择第一个维度中的所有元素（在这种情况下为所有行），然后用[1, 2] 索引数组，这意味着只省略第一列：

array([[1, 2],
       [4, 5],
       [7, 8]])

因此，它的形状是 (3, 2)。

另一种情况arr[:] 将复制原始数组，因此它不会改变形状，因此它等效于arr[li]，因此输出形状为(2, 3)。一般来说，您应该避免对数组进行双重索引，因为这可能会创建两次视图，这是低效的。

【讨论】：

【解决方案2】：

你得到了正确的输出。

在第一行

print('output1:', arr[:, li].shape)

您正在打印arr 中每个子数组的2nd 和3rd 元素，从而得到每个包含2 值的3 元素。

在第二行

print('output2:', arr[:][li].shape)

您首先选择整个数组，然后从整个数组中选择2nd 和3rd 元素（每个都包含3 元素本身），从而得到2 元素，每个元素都包含3 值。

【讨论】：

【解决方案3】：

如果您检查此代码，可以看到差异 -

import numpy as np    
arr = np.arange(9).reshape(3, 3)
li = [1,2]
print('output1:', arr[:, li])
print('output2:', arr[:][li])

这给了 -

[[1 2]
 [4 5]
 [7 8]]

和

[[3 4 5]
 [6 7 8]]

当您执行arr[:, [1, 2]] 时，您的意思是要获取数组的所有行（: 指定了这一点），然后从那里获取列[1, 2]。

另一方面，当您执行arr[:] 时，您首先指的是整个数组。您再次从中取出前两行。

本质上，在第二种情况下，[1 2] 指的是原始数组的行轴，而在第一种情况下，它指的是列。

【讨论】：