Question

给出以下代码：

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

我的理解是以下几行相同：

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

但他们不是。为什么呢？

Answer 1

如果您只在切片语法中指定一个维度，则只会切片一个维度。在NumPy中，索引中的维度通常用","分隔。

对于2d数组，您可以替换＆＃34; row＆＃34;用＆＃34;维度1＆＃34;和＆＃34;列＆＃34;用＆＃34;维度2＆＃34;。在您的示例中，mat[:3]对前3行进行切片。随后的索引器[1:2]会对这3行中的第一行进行切片。

在第二个示例中，[:3, 1:2]同时对行和列进行切片。

您可能会发现查看结果的形状会很有帮助：

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

Answer 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]将先mat[:3]，然后应用[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]])

第二个（mat[:3,1:2]）表示：

排到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，主要区别在于第一个是在[1:2]之后应用[:3]

Answer 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]])

2d矩阵中的python索引

3 个答案: