对 numpy 数组进行子排列时保持维度的最佳方法是什么？

Question

假设我有一个标准的 numpy 数组，例如

a = np.arange(6).reshape((2,3))

当我对数组进行子排列时，通过执行

这样的任务

a[1, :]

我会失去维度，它会变成一维并打印，array([3, 4, 5]) 当然，列表是二维的，您最初想要保持维度。所以我必须做一个乏味的任务，比如

b=a[1, :]
b.reshape(1, b.size)

为什么numpy在子数组化的时候会降维？

保持维度的最佳方法是什么，因为 a[1, :].reshape(1, a.size) 会中断？

Answer 1

只使用切片而不是索引，形状将被保留：

a[1:2]

Answer 2

虽然我同意 John Zwinck 的回答，但我想提供一个替代方案，以防万一，无论出于何种原因，您被迫使用索引（而不是切片）。

OP 说“a[1, :].reshape(1, a.size) 会中断”：

您可以像这样向 numpy 数组添加维度：

b = a[1]
# array([3, 4, 5]
b = a[1][np.newaxis]
# array([[3, 4, 5]])

（请注意 np.newaxis 是 None，但使用 np.newaxis 可读性更高）

正如评论（@PaulPanzer 和@Divakar）中所指出的，实际上有很多方法可以完成同样的事情（同样，使用索引而不是切片）：

这些不制作副本（每个影响中更改的数据a）

a[1, None]
a[1, np.newaxis]
a[1].reshape(1, a.shape[1]) # Use shape, not size

这个确实复制了一份（数据独立于a）

a[[1]]

What is the best way to keep dimensionality when subarraying numpy arrays?