假设我有一个标准的 numpy 数组，例如
a = np.arange(6).reshape((2,3))
当我对数组进行子数组时，通过执行以下任务
a[1, :]
我会失去维度，它会变成一维并打印，array([3, 4, 5])
当然列表是二维的，你本来想保持维度。所以我必须做一个乏味的任务，比如
b=a[1, :]
b.reshape(1, b.size)
为什么子阵列时numpy会降低维度？
保持维度的最佳方法是什么，因为a[1, :].reshape(1, a.size)会破裂？
只需使用切片而不是索引，形状就会被保留：
a[1:2]
尽管我同意 John Zwinck 的回答，但我想提供一个替代方案，以防万一您被迫使用索引（而不是切片）。
OP说“a[1, :].reshape(1, a.size)将打破”：
您可以像这样向 numpy 数组添加维度：
b = a[1]
# array([3, 4, 5]
b = a[1][np.newaxis]
# array([[3, 4, 5]])
（请注意，np.newaxis 是 None，但使用 更具可读性np.newaxis）
正如评论中所指出的（@PaulPanzer 和@Divakar），实际上有很多方法可以完成同样的事情（同样，使用索引而不是切片）：
这些不复制（每个影响中的数据更改a）
a[1, None]
a[1, np.newaxis]
a[1].reshape(1, a.shape[1]) # Use shape, not size
这个确实复制了（数据独立于a）
a[[1]]