python 二维矩阵中的索引

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]

但他们不是。为什么？

Answer 1

如果您在切片语法中仅指定一维，则只会切片一维。在 NumPy 中，索引中的维度通常由 ",".

分隔

对于二维数组，您可以将 "row" 替换为 "dimension 1"，将 "column" 替换为 "dimension 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。

对于您的第二个示例，[: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]先拿mat[:3]再申请[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：

行最多 3

array([[ 1,  2,  3,  4,  5],
       [ 6,  7,  8,  9, 10],
       [11, 12, 13, 14, 15]])

第 1 到 2

列

 array([[ 2],
       [ 7],
       [12]])

结论，主要区别是第一个在 [: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]])

python 二维矩阵中的索引

python index in 2d matrix

python

numpy

python-3.x

numpy-indexing