为什么 Python 二维数组索引顺序与冒号 (:) 一起使用时无关紧要
Why doesn't the Python 2D array index order matter when used with colon ( : )
创建二维数组，例如
x = [range(i, i+10) for i in xrange(1,100,10)]
并像这样使用冒号运算符进行索引
>>> x[2][:]
[21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
按预期工作。它 returns 第 2 行的所有内容。
但是，如果我想检索所有第 2 列，我会本能地这样做
>>> x[:][2]
但这也returns
[21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
这背后的原因是什么？我会凭直觉认为这 returns 是每行的第 2 列。
（此外，我知道我可以使用 numpy 来执行 x[:,2] 或者我可以使用列表理解来完成此操作，这不是我的问题）
x[2][:] 将 return 数组的第 3 行，然后 return 该行内的所有元素。
x[:][2] 将 return 数组的所有行，然后 return 所有行的第 3 行。
实际上，它们是相同的，x[2][:] == x[:][2]。
在控制台中打印它们很明显为什么会这样：
In [138]: x[2]
Out[138]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
In [139]: x[2][:]
Out[139]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
In [140]: x[:]
Out[140]:
[[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, 40],
[41, 42, 43, 44, 45, 46, 47, 48, 49, 50],
[51, 52, 53, 54, 55, 56, 57, 58, 59, 60],
[61, 62, 63, 64, 65, 66, 67, 68, 69, 70],
[71, 72, 73, 74, 75, 76, 77, 78, 79, 80],
[81, 82, 83, 84, 85, 86, 87, 88, 89, 90],
[91, 92, 93, 94, 95, 96, 97, 98, 99, 100]]
In [141]: x[:][2]
Out[141]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
如果您希望获取列，那么您可以使用 list(zip(*x)) 有效地转置列表（在 Py 3 中添加了 list）。然后你可以这样做：
In [3]: list(zip(*x))[2]
Out[3]: (3, 13, 23, 33, 43, 53, 63, 73, 83, 93)
除此之外，我建议您使用 numpy 代替此类工作。
原因是[:]就是"everything"，一行中的两个索引操作是完全独立的。
y = x[2][:]
是
tmp = x[2]
y = tmp[:] # this only makes a copy, does nothing else
同样，
y = x[:][2]
是
tmp = x[:] # this only makes a copy, does nothing else
y = tmp[2]
实际上两者都意味着
y = x[2]
任何时候都没有 2D 索引，Python 没有 2D 索引（尽管 numpy 有技巧使 它 像实际一样工作二维索引正在进行中）。
仅供以后查看此内容的任何人注意。正如其他人在上面提到的，arr[:][x] 将解析如下。
- 临时数组将等于
arr[:] 这就是一切。
- 那么你的最终数组将等于
temp[x]
由于你的第一部分没有降低维度，第二个语句将被强制获取一行。
在您的反向版本中 arr[x][:] 完成以下操作：
- 临时数组将等于 arr 的第 x 行
- 然后您将 return 整个行，因为“：”
我知道你不想问关于 numpy 的事，而是想问其他想知道的人。 numpy 语法 arr[x,:] 和 arr[:,x] WILL 也会按照您想要的方式工作。第一个将获取第 x 行中的所有值，第二个将获取第 x 列中的所有值。请注意，如果您正在使用列表，则必须先为其创建一个 np 数组。
创建二维数组，例如
x = [range(i, i+10) for i in xrange(1,100,10)]
并像这样使用冒号运算符进行索引
>>> x[2][:]
[21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
按预期工作。它 returns 第 2 行的所有内容。
但是，如果我想检索所有第 2 列，我会本能地这样做
>>> x[:][2]
但这也returns
[21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
这背后的原因是什么？我会凭直觉认为这 returns 是每行的第 2 列。
（此外，我知道我可以使用 numpy 来执行 x[:,2] 或者我可以使用列表理解来完成此操作，这不是我的问题）
x[2][:] 将 return 数组的第 3 行，然后 return 该行内的所有元素。
x[:][2] 将 return 数组的所有行，然后 return 所有行的第 3 行。
实际上，它们是相同的，x[2][:] == x[:][2]。
在控制台中打印它们很明显为什么会这样：
In [138]: x[2]
Out[138]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
In [139]: x[2][:]
Out[139]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
In [140]: x[:]
Out[140]:
[[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, 40],
[41, 42, 43, 44, 45, 46, 47, 48, 49, 50],
[51, 52, 53, 54, 55, 56, 57, 58, 59, 60],
[61, 62, 63, 64, 65, 66, 67, 68, 69, 70],
[71, 72, 73, 74, 75, 76, 77, 78, 79, 80],
[81, 82, 83, 84, 85, 86, 87, 88, 89, 90],
[91, 92, 93, 94, 95, 96, 97, 98, 99, 100]]
In [141]: x[:][2]
Out[141]: [21, 22, 23, 24, 25, 26, 27, 28, 29, 30]
如果您希望获取列，那么您可以使用 list(zip(*x)) 有效地转置列表（在 Py 3 中添加了 list）。然后你可以这样做：
In [3]: list(zip(*x))[2]
Out[3]: (3, 13, 23, 33, 43, 53, 63, 73, 83, 93)
除此之外，我建议您使用 numpy 代替此类工作。
原因是[:]就是"everything"，一行中的两个索引操作是完全独立的。
y = x[2][:]
是
tmp = x[2]
y = tmp[:] # this only makes a copy, does nothing else
同样，
y = x[:][2]
是
tmp = x[:] # this only makes a copy, does nothing else
y = tmp[2]
实际上两者都意味着
y = x[2]
任何时候都没有 2D 索引，Python 没有 2D 索引（尽管 numpy 有技巧使 它 像实际一样工作二维索引正在进行中）。
仅供以后查看此内容的任何人注意。正如其他人在上面提到的，arr[:][x] 将解析如下。
- 临时数组将等于
arr[:]这就是一切。 - 那么你的最终数组将等于
temp[x]
由于你的第一部分没有降低维度，第二个语句将被强制获取一行。
在您的反向版本中 arr[x][:] 完成以下操作：
- 临时数组将等于 arr 的第 x 行
- 然后您将 return 整个行，因为“：”
我知道你不想问关于 numpy 的事，而是想问其他想知道的人。 numpy 语法 arr[x,:] 和 arr[:,x] WILL 也会按照您想要的方式工作。第一个将获取第 x 行中的所有值，第二个将获取第 x 列中的所有值。请注意，如果您正在使用列表，则必须先为其创建一个 np 数组。