numpy 数组索引技术如何为相同的输入代码提供不同的输出？

Question

#Code

import numpy as np    
np.random.seed(124)
x_2d = np.random.randint(1,50,(3,4,5))
print("I am getting wrong output => {}".format(x_2d[0][:][1]))
print("This is what I want => {} ".format(x_2d[0,:,1]))

# Code Ended

# Output for above code

I am getting wrong output => [42  1 21 29 15]
This is what I want => [29  1 22 49]

我是 NumPy 的新手，所以我只是在试验 numpy 数组选择技术。我开始知道我们可以使用方括号方法或逗号方法。但是我遇到了一个问题。我正在尝试提取数组 0 的列索引 1。但是当我使用这两种技术时，我得到了不同的输出。我附上了代码片段和输出。谁能指导我哪里出错了？

Answer 1

x[0][:][1]等价于x[0, 1, :]，也等价于x[0][1].

单独 [:] 的原因基本上意味着“复制此数组”，在基本 Python 和 Numpy 中都是如此。因此，您可以将 x[0][:][1] 读作“获取数组 x 的第一个元素，复制它，然后获取结果的第二个元素。”

[:] 并不意味着“跳过一个维度”。

Answer 2

调用x_2d[0][:][1]时，首先得到第一个矩阵x_2d[0]:

>>> first = x_2d[0]
>>> first
array([[15, 29, 18,  8,  3],
       [42,  1, 21, 29, 15],
       [22, 22, 28, 10, 31],
       [47, 49, 41, 10, 10]])

当您调用 first[:] 时，您将准确收到 first，因为您要求 first:

中的所有行

>>> second = first[:]
>>> second
array([[15, 29, 18,  8,  3],
       [42,  1, 21, 29, 15],
       [22, 22, 28, 10, 31],
       [47, 49, 41, 10, 10]])

所以当你得到 second[1] 你得到索引 1

的行

>>> third = second[1]
>>> third
array([42,  1, 21, 29, 15])

然而，当你请求 x_2d[0,:,1] 时，numpy 将其解释为：

“从矩阵 0 给我第 1 列，来自由行 0,1,2,3) 组成的矩阵”

因此，如果您要求 x_2d[1,0:2,3]，结果将是 [18, 2]。

结论：numpy 对 x[0,:,1] 的解释与 x[0][:][1] 不同。您可以在 NumPy 文档中阅读更多内容 here.

numpy 数组索引技术如何为相同的输入代码提供不同的输出？

How can numpy array indexing techniques can give different outputs for same input code?

python

pandas

numpy

random

array-indexing