为什么索引时numpy数组会返回错误形状的子数组

如何解决为什么索引时numpy数组会返回错误形状的子数组

示例如下：

>>> import numpy as np
>>> a=np.zeros((288,512))
>>> x1,x2,y1,y2=0,16,16
>>> p=a[x1:x2][y1:y2]
>>> p.shape
(16,512)
>>> p=a[x1:x2,y1:y2]
>>> p.shape

我尝试从0到16列和0到16行的数组中查询补丁。我以两种方式对数组进行索引，并得到非常不同的结果。 a[x1:x2][y1:y2]给我错误的结果。

为什么？

感谢您对我的帮助！

解决方法

执行a[x1:x2][y1:y2]时，将按行切片两次。也就是说，a[x1:x2]将为您提供形状(16,512)。 a[x1:x2][y1:y2]中的第二个分片操作将对第一个操作的结果进行分片，并且将获得相同的结果。

在第二种情况下，当您执行a[x1:x2,y1:y2]时，将按二维数组的两个维度进行切片。

重要说明：如果您有二维数组，并且像这样切片：

a = np.zeros((10,15))
a[1:3].shape

Output:
(2,15)

您将仅按行切片。您得到的数组将具有2行和总列数（15列）。如果要按行和列进行切片，则必须使用a[1:3,1:3]。

,

您尝试的两种索引编制方法不等效。在第一个（a[x1:x2][y1:y2]）中，您实际上是在索引第一根轴两次。在第二个中，您正在索引第一个和第二个轴。

a[x1:x2][y1:y2]可以重写为

p = a[x1:x2] # result still has two dimensions
p = p[y1:y2]

您首先在第一个维度上索引0:16。然后，您在上一个操作的结果的第一维中索引0:16（由于a[x1:x2]和x1==y1的返回值与x2==y2相同）。

在第二种方法中，直接索引第一维和第二维。我不会这样写，但是可以这样写，以与第一种方法形成对比：

a[x1:x2][:,y1:y2]