Numpy索引切片不会丢失维度信息

Question

我正在使用numpy并希望索引一行而不会丢失维度信息.

import numpy as np
X = np.zeros((100,10))
X.shape        # >> (100, 10)
xslice = X[10,:]
xslice.shape   # >> (10,)  

在这个例子中,xslice现在是1维,但我希望它是(1,10).在R中,我会使用X [10,:,drop = F].numpy中有类似的东西吗？我在文档中找不到它,也没有看到类似的问题.

谢谢!

Answer 1

另一种解决方案是做

X[[10],:]

要么

I = array([10])
X[I,:]

当索引的列表(或数组)执行索引时,将保留数组的维度.这很好,因为它让您可以选择保持尺寸和挤压.

Answer 2

这可能是最容易做到的x[None, 10, :]或等同的(但更具可读性)x[np.newaxis, 10, :].

至于为什么它不是默认值,就个人而言,我发现不断地使用具有单一尺寸的阵列会很快变得烦人.我猜这些笨拙的开发者也有同感.

而且,numpy处理广播阵列非常好,所以通常没有理由保留切片来自的数组的维度.如果你这样做,那么事情如下:

a = np.zeros((100,100,10))
b = np.zeros(100,10)
a[0,:,:] = b

要么不起作用,要么实施起来要困难得多.

(或者至少那是我猜测numpy dev在切片时丢弃尺寸信息背后的推理)

Answer 3

我找到了一些合理的解决方案.

1)使用 numpy.take(X,[10],0)

2)使用这个奇怪的索引 X[10:11:, :]

理想情况下,这应该是默认值.我永远不明白为什么尺寸会掉落.但这是对numpy的讨论......

Answer 4

这是我更喜欢的替代方案。不是用单个数字索引，而是用一个范围索引。也就是说，使用X[10:11,:]. （注意10:11不包括11）。

import numpy as np
X = np.zeros((100,10))
X.shape        # >> (100, 10)
xslice = X[10:11,:]
xslice.shape   # >> (1,10)

这也使得使用更多维度更容易理解，无需None杂耍和找出使用哪个索引的轴。也无需对数组大小进行额外的簿记，只需i:i+1为i您在常规索引中使用的任何内容进行记录即可。

b = np.ones((2, 3, 4))
b.shape # >> (2, 3, 4)
b[1:2,:,:].shape  # >> (1, 3, 4)
b[:, 2:3, :].shape .  # >> (2, 1, 4)

Answer 5

要添加到涉及 gnebehay 的列表或数组索引的解决方案中，还可以使用元组：

X[(10,),:]