Question

我有一个像这样的numpy数组：

candidates = 

array([[1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
        0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0],
       [0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0, 1, 0, 0, 0, 0, 1,
        0, 1, 0, 1, 1, 1, 1, 0, 1, 0, 1, 1],
       [1, 0, 1, 1, 1, 1, 0, 0, 1, 1, 0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 0, 0,
        0, 0, 0, 1, 0, 0, 1, 1, 0, 0, 0, 0]])

我不明白candidates[0]：

之间有什么区别

candidates[0] = 

array([1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
       0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0]

candidates[0].shape = (34,)

candidates[0:1]：

candidates[0:1] = 

array([[1, 0, 0, 0, 0, 1, 0, 0, 0, 1, 1, 1, 1, 1, 0, 1, 0, 1, 0, 1, 1, 0,
        0, 1, 0, 1, 0, 0, 0, 1, 0, 0, 1, 0]])

candidates[0:1].shape = (1, 34)

因为我相信两者应该给出完全相同的结果？我的意思是后者ie candidates[0:1]应该只代表第一个元素，对吗？那么，这两者究竟有什么不同？

Answer 1

在Python中，[0]是索引 -it返回第一个元素，而[0:1]是切片 -it返回所有的前1个元素。

使用简单的旧列表可能更容易看到：

>>> lst = [1, 2, 3]
>>> lst[0]
1
>>> lst[0:1]
[1]

Numpy扩展了Python索引和切片，其中一些会给你一个2D结果，原因各不相同 - 例如，你可以用[0]索引为“类似数组”，它可以作为一个索引数组），但相关的基础知识在这里是相同的。对于2D numpy数组，元素是行，因此candidates[0]是第一行 - 一维数组，而candidates[0:1]是所有前1行 - 一个2D数组的数组。因此，第一个具有形状(34,)，第二个具有形状(1, 34)。

如果你不仔细观察，差异可能并不明显，但比较两者的开始：

array([1,
array([[1,

它们没有排成一行，因为第二个有两个括号而不是一个，这是因为它是一个2D数组而不是一维。

Answer 2

不同之处在于维数：candidates[0:1]将返回一个二维数组，而candidates[0]将返回一维数组：

>>> candidates[0:1].ndim
2
>>> candidates[0].ndim
1

你也可以＆＃34;看＆＃34; candidates[0:1]输出的维数：注意数组周围方括号的数量？这些可以暗示数组的维数

Answer 3

没有。不同之处在于阵列的形状。在第一个实例中，您有一个1维的数组。在第二个中，您有一个2维数组。

您可以通过测试数组的shape属性进行测试：

print(np.array([[1, 0]]).shape)
(1, 2)

print(np.array([1, 0]).shape)
(2,)

通过使用项目列表对数组进行切片，例如： [0:1]，您的结果会有一个额外的维度。注意这与使用范围无关;当您使用包含1个元素的列表作为索引器时也是如此：

x = np.array([[0, 1], [2, 3]])

print(x[[0]].shape)
# (1, 2)

python中A [0]和A [0：1] numpy数组之间的差异

3 个答案: