python - 这种类型的索引是 Numpy 数组的转置吗？

Question

我正在关注 Python 中科学提案的某些教程，并且我遇到了这种使用索引的方式：

import numpy as np
l=np.array([8,5,2,3])
print(l[:,None])

此打印返回的是：

[[8]
 [5]
 [2]
 [3]]

这段代码的作用很明显，我发现它对我的提议非常有用，但我永远不会想到使用它，因为我不明白这个切片语法在说什么。

谁能解释一下这种切片是如何工作的？

提前致谢。

Answer 1

:是所有元素的占位符None，np.newaxis如果你想切割额外的形状，那么None会告诉 numpy 创建新维度。

因此，编写示例并避免混淆的正确方法是：

import numpy as np
l = np.array([8, 5, 2, 3])
print(l[:, np.newaxis])

Answer 2

不，这是将数组维度从 1D 放大到 2D，准确地说是列向量。最常见的方法是使用None or np.newaxis：

In [317]: l = np.array([8,5,2,3])

In [318]: l[:, np.newaxis]
Out[318]: 
array([[8],
       [5],
       [2],
       [3]])

In [319]: l.shape
Out[319]: (4,)

In [320]: l[:, np.newaxis].shape
Out[320]: (4, 1)

但是，您也可以使用以下方法将其转换为行向量：

In [321]: l[np.newaxis, :]
Out[321]: array([[8, 5, 2, 3]])

In [322]: (l[np.newaxis, :]).shape
Out[322]: (1, 4)

因此，:意味着在切片操作期间沿特定轴从数组中选择所有元素。

查看np.newaxis 如何工作以获取更多信息。