在 Numpy 中切片后确定结果数组的形状

我很难理解在 numpy 中切片后如何确定结果数组的形状。例如，我使用以下简单代码：

import numpy as np


array=np.arange(27).reshape(3,3,3)

slice1 = array[:,1:2,1]
slice2= array[:,1,1]

print "Content in slice1 is  ", slice1
print "Shape of slice1 is ", slice1.shape
print "Content in slice2 is ",slice2
print "Shape of Slice2 is", slice2.shape

其输出是：

Content in slice1 is 
 [[ 4]
  [13]
  [22]]
Shape of slice1 is  (3, 1)
Content in slice2 is  [ 4 13 22]
Shape of Slice2 is (3,)

在这两种情况下，内容是相同的（应该如此）。但它们的形状不同。那么，numpy 是如何确定结果形状的呢？

基本上可以归结为这一点——

In [118]: a = np.array([1,2,3,4,5])

In [119]: a[1:2]
Out[119]: array([2])

In [120]: a[1]
Out[120]: 2

当你这样做时a[1:2]，您要求一个包含 1 个元素的数组。

当你这样做时a[1]您正在询问该索引处的元素。

类似的事情也发生在你的身上。

当你这样做时——array[:,1:2,1]- 这意味着来自第一维度的所有可能索引、来自第二维度的索引的子列表（尽管子列表仅包含一个元素）以及来自第三维度的第一个索引。所以你会得到一个数组数组 -

 [[ 4]
  [13]
  [22]]

当你这样做时——array[:,1,1]- 这意味着第一维的所有可能索引、第二维的第一个索引和第三维的第一个索引。所以你得到一个数组 -

[4 13 22]