python中A[0]和A[0:1]numpy数组的区别

Question

我有一个像这样的麻木数组：

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]])

我不明白候选人有什么区别[0]：

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,)

候选[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)

因为我认为两者应该给出完全相同的结果？我的意思是后面的候选[0:1]应该只代表第一个元素，对吗？那么，两者到底有什么区别？

Answer 1

不。不同之处在于阵列的形状。在第一个实例中，您有一个 1 维数组。在第二个维度中，您有一个 2 维数组。

您可以通过测试数组的形状属性来进行测试：

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]，您的结果将增加一个维度。请注意，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)

Answer 2

不同之处在于维数：候选[0：1]将返回一个二维数组，而候选[0]将返回一个一维数组：

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

您还可以通过候选项的输出来“查看”维度[0：1]：注意数组周围的方括号数吗？这些可以是数组维度的提示

Answer 3

在Python中，[0]是索引-它返回第一个元素，而[0:1]是切片-它返回所有前1个元素的集合。

用一个普通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，出于不同的原因，其中一些会给你一个2D结果——例如，你可以用< code>[0]作为一个“类数组”进行索引，这将作为一个索引数组工作)，但是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< code>candidates[0]是第一行，这是1D数组，而< code>candidates[0:1]是所有前1行的数组，这是2D数组。所以第一个有shape (34，)，第二个有shape (1，34)。

如果你不仔细观察，差异可能并不明显，但比较一下两者的开始：

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1D。