为什么使用数组索引 numpy 数组会改变形状？答案

【问题标题】：Why does indexing a numpy array using an array change the shape?为什么使用数组索引 numpy 数组会改变形状？
【发布时间】：2020-04-27 15:16:44
【问题描述】：

我正在尝试使用 numpy.where() 将二维数组索引到某些值，但除非我在没有: 切片的情况下在第一个索引中进行索引，否则它总是会增加维度。我似乎无法在文档中找到对此的解释。

例如，假设我有一个数组a：

a = np.arange(20)
a = np.reshape(a,(4,5))
print("a = ",a)
print("a shape = ", a.shape)

输出：

a =  [[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]]
a shape =  (4, 5)

如果我有两个索引数组，一个在“x”方向，一个在“y”方向：

x = np.arange(5)
y = np.arange(4)
xindx = np.where((x>=2)&(x<=4))
yindx = np.where((y>=1)&(y<=2))

然后使用'y'索引索引a，这样就没有问题了：

print(a[yindx])
print(a[yindx].shape)

输出：

[[ 5  6  7  8  9]
 [10 11 12 13 14]]
(2, 5)

但如果我在其中一个索引中有:，那么我有一个大小为 1 的额外维度：

print(a[yindx,:])
print(a[yindx,:].shape)
print(a[:,xindx])
print(a[:,xindx].shape)

输出：

[[[ 5  6  7  8  9]
  [10 11 12 13 14]]]
(1, 2, 5)
[[[ 2  3  4]]
 [[ 7  8  9]]
 [[12 13 14]]
 [[17 18 19]]]
(4, 1, 3)

我也遇到过一维数组的问题。我该如何解决？

【问题讨论】：

a[yindx] 已经给出了一个二维数组，然后您通过在a[yindx,:] 中添加逗号和冒号来添加一个维度，以告诉 numpy 为您提供此数组中的所有内容以及第三个中的所有内容维度也是。目前尚不清楚您期望会发生什么不同

【解决方案1】：

如果 xindx 和 yindx 是 numpy 数组，则结果将符合预期。但是，它们是具有单个值的元组。

最简单（而且相当愚蠢）的修复：

xindx = np.where((x>=2)&(x<=4))[0]
yindx = np.where((y>=1)&(y<=2))[0]

仅在给定条件的情况下，np.where 将返回元组中匹配元素的索引。 documentation 明确不鼓励这种用法。

更现实地说，您可能需要类似的东西：

xindx = np.arange(2, 5)
yindx = np.arange(1, 3)

...但这真的取决于我们看不到的上下文

【讨论】：