切片3d numpy数组返回奇怪的形状

Question

如果我用一组坐标切片一个二维数组

>>> test = np.reshape(np.arange(40),(5,8))
>>> coords = np.array((1,3,4))
>>> slice = test[:, coords]

然后我的切片有我期望的形状

>>> slice.shape
(5, 3)

但是,如果我用3d数组重复这个

>>> test = np.reshape(np.arange(80),(2,5,8))
>>> slice = test[0, :, coords]

然后形状现在

>>> slice.shape
(3, 5)

这些是不同的原因吗？分离索引会返回我期望的形状

>>> slice = test[0][:][coords]
>>> slice.shape
(5, 3)

为什么这些视图会有不同的形状？

Answer 1

slice = test[0, :, coords]

是简单的索引,实际上是说"取第一个坐标的第0个元素,所有第二个坐标,以及第三个坐标的[1,3,4]".或者更确切地说,取坐标(0,无论如何,1)并使它成为我们的第一行,(0,无论如何,2)并使它成为我们的第二行,并且(0,无论如何,3)并使它成为我们的第三行.有5个whatevers,所以你最终得到(3,5).

你给出的第二个例子是这样的:

slice = test[0][:][coords]

在这种情况下,您正在查看(5,8)数组,然后获取第1,第3和第4个元素,即第1行,第3行和第4行,因此最终得到(5,3)数组.

编辑讨论2D案例:

在2D情况下,其中:

>>> test = np.reshape(np.arange(40),(5,8))
>>> test
array([[ 0,  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, 26, 27, 28, 29, 30, 31],
       [32, 33, 34, 35, 36, 37, 38, 39]])

行为是类似的.

情况1:

>>> test[:,[1,3,4]]
array([[ 1,  3,  4],
       [ 9, 11, 12],
       [17, 19, 20],
       [25, 27, 28],
       [33, 35, 36]])

只是选择列1,3和4.

案例2:

>>> test[:][[1,3,4]]
array([[ 8,  9, 10, 11, 12, 13, 14, 15],
       [24, 25, 26, 27, 28, 29, 30, 31],
       [32, 33, 34, 35, 36, 37, 38, 39]])

取数组的第1,第3和第4个元素,即行.