为什么numpy数组中相同索引选择的输出存在差异答案

【问题标题】：why there is a difference in the output of the same indexing selection inside a numpy array为什么numpy数组中相同索引选择的输出存在差异
【发布时间】：2020-10-04 15:59:22
【问题描述】：

假设我有一个看起来像这样的二维 NumPy 数组，我想提取左下角的正方形 (4x4)：

arr_2d = [[ 5,10,15],
          [20,25,30],
          [35,40,45]]

为什么这种方式有区别：

arr_2d[row,col]

这样：

arr_2d[row][col]

我说这是有区别的，因为我在尝试这样做时得到了不同的输出：

arr_2d[1:3,1:3] #output was: [[25,30],
                              [40,45]]

arr_2d[1:3][1:3] #output was: [[35, 40, 45]]

如果我的问题错了，请告诉我为什么？

提前致谢！

【问题讨论】：

您可能想了解numpy 索引in this article。我发现这比original documentation 更清楚
我只是用一个更简单的案例来回答这个问题，arr[2,:,1]，stackoverflow.com/questions/64195264/…。 [row][col] 等价仅适用于标量索引。这些是单独的 python 索引操作。

标签： python numpy numpy-slicing numpy-indexing

【解决方案1】：

假设 arr_2d 被声明为 numpy 数组：

import numpy as np
arr_2d = np.array([[5, 10, 15],
                   [20, 25, 30],
                   [35, 40, 45]])

然后，arr_2d[1:3, 1:3] 将从每个维度返回具有元素 1 和 2 的子矩阵（注意 Python 从 0 开始索引）。

arr_2d[1:3][1:3] 被解释为索引两次：

第一个 arr_2d[1:3] 占用第 1 行和第 2 行：rows_1_2 = np.array([[20, 25, 30], [35, 40, 45]])
然后，该结果再次使用[1:3] 进行索引，因此rows_1_2[1:3] 将给出rows_1_2 的第1 行和第2 行。由于该数组中不存在第 2 行，因此仅返回第 1 行，因此 [[35, 40, 45]]。请注意，这是一个 1x3 数组。

一般来说，强烈建议使用'slice indexing'，因为索引 2 次对于大型数组来说可能会不必要地变慢。

请注意，对于标准 Python 列表，要获得类似的子矩阵，您需要将其编写为：

list_2d = ([[5, 10, 15],
            [20, 25, 30],
            [35, 40, 45]])
[row[1:3] for row in list_2d[1:3]] # result: [[25, 30], [40, 45]]

对于大型列表，这既难以阅读，又慢得多。但请注意，标准 Python 可以处理不同类型和长度的子列表，而 numpy 需要相同大小和类型的所有内容。

切片和broadcasting 使带有 numpy 的 Python 非常适合数字操作和计算。

【讨论】：

【解决方案2】：

切片有一个顺序：当我做时

arr_2d[1:3]

我得到 [[20 25 30],[35 40 45]]

所以我第二次使用它

arr_2d[1:3][1:3]

我得到 [[35 40 45]]

【讨论】：

【解决方案3】：

您必须了解，当使用[] 索引对象时，您调用的是在对象类中定义的__getitem__ 方法。现在 numpy 以两种方式定义索引。在您的第一种情况下，您使用与两个参数一起使用并且应该索引矩阵的那个，如

arr_2d[0:2, 0:2]
# returns [[5, 10], [20,25]]

在第二种情况下，您使用与普通列表索引几乎相同的定义（接受一个参数的那个）。您正在对数组进行两次切片，如下所示

a1 = arr_2d[1:3] # gets [[20,25,30], [35,40,45]]
a1[1:3] # returns [[35,40,45]]

【讨论】：