Numpy ndarray:了解切片对象和“:”

使用切片对象索引与使用整数索引具有不同的语义。使用单个整数进行索引会折叠/删除相应的维度,而使用切片进行索引则不会这样做。

如果你想用一个整数沿着某个轴建立索引,你可以用一个切片和一些整形逻辑来模拟它;但是最简单的解决方案是用相应的整数替换切片。

或者,也有np.挤压. 绝对不要在没有axis关键字的情况下使用它,因为这是产生无意行为的代码的保证方法。但是只挤压那些你切割的斧子会产生你想要的效果。

如果你允许我一个小咆哮:在更高的层次上,我怀疑你所追求的是一个非常numpy反模式。如果我必须制定numpy的第一条规则,那就不是因为轴恰好是单粒子而挤压它们。接受Ndarray并认识到更多的轴不会使代码变得更复杂,但它允许您表达数据的有意义的完整语义。事实上,你在第一个地方切片这个轴表明,这个轴的大小基本上不是1,只是碰巧在一个特定的情况下是这样的。排除单例维度将使任何下游代码几乎不可能以无缺陷的方式编写。如果你必须压缩一个数组,比如说在把它传递给一个绘图函数之前,把它当作C++中的一个栈分配变量对待,并且不要让它的任何引用泄漏到当前的范围内,因为你会混淆该数组的语义,而下游代码不再知道它在看什么。

似乎你需要在使用一个 slice 对象。或者有一些我不了解的底层实现细节。

import numpy as np
data = np.array([
        [ 0,   1   ],
        [ 0,   1   ]
      ], dtype='int64')
print("desired result")
print(data[:, 1])
print("first try")
print(data[(slice(None,None,None), slice(1,2,None))])
print("solution")
print(data[[slice(None,None,None), slice(1,2,None)]].squeeze())

输出:

desired result
[1 1]
first try
[[1]
 [1]]
solution
[1 1]