python - [:][:] 和 [:,:] 在 NumPy 中有什么区别？

Question

我对 python 编程非常熟悉，但是我发现了一些奇怪的情况，其中以下两行代码提供了不同的结果（假设两个数组是二维的）：

A[:][:] = B[:][:]

和

A[:,:] = B[:,:]

我想知道是否有任何情况，解释。

有什么提示吗？

例子 ：

>>> x = numpy.array([[1, 2], [3, 4], [5, 6]])
>>> x
array([[1, 2],
       [3, 4],
       [5, 6]])
>>> x[1][1]
4                 # expected behavior
>>> x[1,1]
4                 # expected behavior
>>> x[:][1]
array([3, 4])     # huh?
>>> x[:,1]
array([2, 4, 6])  # expected behavior

Answer 1

让我们退后一步。尝试这个：

>>> x = np.arange(6)

>>> x
array([0, 1, 2, 3, 4, 5])

>>> x[:]
array([0, 1, 2, 3, 4, 5])

>>> x[:][:]
array([0, 1, 2, 3, 4, 5])

>>> x[:][:][:][:][:][:][:][:][:][:]
array([0, 1, 2, 3, 4, 5])

看起来x[:]等于x。（实际上，x[:]创建了 . 的副本x。）

因此，x[:][1] == x[1]。

---

这是否符合我们的预期？为什么要x[:]副本x？如果您熟悉切片，这些示例应该可以阐明：

>>> x[0:4]
array([0, 1, 2, 3])

>>> x[0:6]
array([0, 1, 2, 3, 4, 5])

>>> x[0:]
array([0, 1, 2, 3, 4, 5])

>>> x[:]
array([0, 1, 2, 3, 4, 5])

我们可以省略0and6并且 numpy 会计算出对我们来说最大尺寸是多少。

---

关于问题的第一部分，要创建 的副本，B您可以执行以下任何操作：

A = B[:, :]
A = B[...]
A = np.copy(B)