二维矩阵中的 Python 索引

Question

给定以下代码：

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

我的理解是以下几行是相同的：

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

但事实并非如此，为什么？

Answer 1

如果在切片语法中只指定一个维度，则只会对一个维度进行切片。在 NumPy 中，索引中的维度通常用","分隔。

对于 2D 数组，您可以将"行"替换为"维度 1"，将"列"替换为"维度 2"。在您的示例中，mat[:3]对前 3 行进行切片。随后的索引器[1:2]，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]首先需要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]])

而第二个(mat[:3,1:2](指出：

排队最多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[:3]之后应用[1:2]

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]])