为什么在numpy数组中相同索引选择的输出存在差异

让我们假设我有一个看起来像这样的二维NumPy数组，并且我想提取左下角的正方形（4x4）：

arr_2d = [[ 5,10,15],[20,25,30],[35,40,45]]

为什么这种方式有区别：

arr_2d[row,col]

以这种方式：

arr_2d[row][col]

我说这是有区别的，因为在尝试执行此操作时我得到了不同的输出：

arr_2d[1:3,1:3] #output was: [[25,[40,45]]

arr_2d[1:3][1:3] #output was: [[35,45]]

如果我的问题不对，您能告诉我为什么吗？

提前谢谢！

假设arr_2d被声明为numpy数组：

import numpy as np
arr_2d = np.array([[5,10,15],[20,25,30],[35,40,45]])

然后，arr_2d[1:3,1:3]将从每个维度返回包含元素1和2的子矩阵（请注意，Python从0开始索引）。

arr_2d[1:3][1:3]被解释为两次索引：

第一个arr_2d[1:3]占据第1行和第2行：rows_1_2 = np.array([[20,45]])
然后，该结果再次用[1:3]进行索引，因此rows_1_2[1:3]将给出rows_1_2的第1行和第2行。由于该数组中不存在第2行，因此仅返回第1行，因此[[35,45]]。请注意，这是一个1x3的数组。

通常，强烈建议使用'slice indexing'，因为对于大型数组，索引两次会不必要地变慢。

请注意，对于标准的Python列表，要获得类似的子矩阵，您需要将其编写为：

list_2d = ([[5,45]])
[row[1:3] for row in list_2d[1:3]] # result: [[25,[40,45]]

对于大型列表，这既难于阅读，又慢得多。但是请注意，标准Python可以使用不同类型和长度的子列表，而numpy需要具有相同大小和类型的所有内容。

切片和broadcasting是使numpy的Python非常适合于数值操作和计算的原因。

切片时有顺序：当我这样做时

arr_2d[1:3]

我得到[[20 25 30]，[35 40 45]]

所以第二次使用它

arr_2d[1:3][1:3]

我得到[[35 40 45]]

您必须了解，在使用[]为对象建立索引时，您正在调用在对象类内部定义的__getitem__方法。现在，numpy用两种方式定义索引。在第一种情况下，您将使用一个与两个参数一起使用的参数，并且应该为矩阵建立索引，如

arr_2d[0:2,0:2]
# returns [[5,10],25]]

在第二种情况下，您使用的定义（与一个参数接受一个参数）的定义与普通列表索引几乎相同。您正在将数组切片两次，如下图所示

a1 = arr_2d[1:3] # gets [[20,45]]
a1[1:3] # returns [[35,45]]