来自 Matlab/Octave 的背景，我一直在尝试学习 numpy。一直困扰我的一件事是向量和多维数组之间的区别。对于这个问题，我将给出一个我遇到的具体问题，但如果有人还可以解释 numpy 中一维数组背后的更一般的图片，我将非常感激，为什么你首先想要它们，如何避免混合单维和多维数组等时出现麻烦。无论如何，问题是：
我有一个名为 X 的二维数组：
X = numpy.arange(10).reshape(2,5)
我想取 X 的最后一列并将其存储为另一个名为 Y 的二维数组（即列向量）。我能够为此提供的唯一方法是：
Y = numpy.atleast_2d(X[:,4]).T
但我不喜欢这样有几个原因：
当 X[:,4] 中应该隐含方向时，我觉得我不应该告诉它转置向量。
在代码中反复使用 atleast_2D 似乎很麻烦，这种情况会出现很多。感觉就像我做错了什么。
那么，简而言之，有没有更好的方法？
谢谢。
首先，做你想做的事情的简单方法：
Y = X[:,4:]
现在，numpy 在您之前尝试它时没有这样做的原因与数组在 Python 中的工作方式有关，实际上在大多数编程语言中也是如此。当您编写类似a[4]的内容时，这是在访问数组的第五个元素，而不是让您查看原始数组的某些部分。例如，如果a是一个数字数组，那么a[4]将只是一个数字。如果a是二维数组，即实际上是数组的数组，那么a[4]将是一维数组。基本上，访问数组元素的操作会返回比原始数组少一维的东西。
现在，Python 包含了一种称为“切片表示法”的东西，它使用冒号表示，这是一种访问数组元素的不同方式。它不是返回一个元素（维数比原始数组小一的东西），而是返回原始数组的一部分的副本。本质上，a:b表示索引a（包括）到b（不包括）处的所有元素的列表。可以省略其中一个a或b两个，在这种情况下，切片一直到数组的对应端。
这对您的情况意味着，当您编写 时X[:,4]，您有一个切片表示法和一个常规索引表示法。切片表示法表示沿第一维的所有索引（只有 0 和 1，因为数组有两行），而 4 表示沿第二维的第五个元素。常规索引的每个实例基本上都会将返回对象的维数减少一维，因此由于X是二维数组，并且有一个常规索引，因此您会得到一维结果。Numpy 只是将一维数组显示为行向量。诀窍是，如果你想得到与开始时相同尺寸的东西，那就是使用所有切片索引，就像我在本文顶部的示例中所做的那样。
如果要提取总列数超过 5 列的内容的第五列，可以使用X[:,4:5]. 如果您想要查看第 3-4 行和第 5-7 列的视图，您可以使用X[3:5,5:8]. 希望你明白这一点。
更简单的方法是对矩阵进行子集化。
>>> X
[[0 1 2 3 4]
[5 6 7 8 9]]
>>> X[:, [4]]
[[4]
[9]]
>>> X[:, 4]
[4 9]
它的工作原理有点类似于 Pandas 数据框。如果你索引数据框，它会给你一个Series。如果您对数据框进行子集化或切片，它会为您提供一个dataframe。