np.array[a:b, c:d] 和 np.array[a:b][c:d] 之间的区别

Question

我的困惑来自以下示例：

import numpy as np

a = np.array([['A', 'B', 'C', 'D', 'E'],
       ['F', 'G', 'H', 'I', 'J'],
       ['K', 'L', 'M', 'N', 'O'],
       ['P', 'Q', 'R', 'S', 'T'],
       ['U', 'V', 'W', 'X', 'Y']])

print(a[:2, 1:4])
print()
print(a[:2][1:4])

输出：

[['B', 'C', 'D'],
 ['G', 'H', 'I']]

[['F', 'G', 'H', 'I', 'J']]

x = np.arange(10)
x.shape = (2,5)

在 example 由 单元素索引 部分 x[0,2] = x[0][2] 给出的 example 中，所以我认为这适用于以上。

我已经用其他例子尝试了上面的方法，例如 y = np.arange(35).reshape(5,7) 和 y[1:5:2,::3] 和 y[1:5:2][::3]。输出不同：我认为这在使用切片时不成立。

Answer 1

首先，2D ndarray 可以被切片为[行切片，列切片]。因此，x[:2, 1:4] 是根据行切片 ([:2) 和列切片 ([1:4]).

对 ndarray x 进行切片

但是，x[:2][1:4]先是切片[:2]，然后是切片[1:4]。因此，x[:2][1:4] 与 x[1:2].

相同

np.array[a:b, c:d] 和 np.array[a:b][c:d] 之间的区别

Difference between np.array[a:b, c:d] and np.array[a:b][c:d]

python

numpy

numpy-slicing

numpy-ndarray