这种类型的索引是Numpy数组的转置吗？

Question

我正在学习Python中的科学提案的某些教程，我遇到过这种使用索引的方法：

import numpy as np
l=np.array([8,5,2,3])
print(l[:,None])

此打印返回的内容为：

[[8]
 [5]
 [2]
 [3]]

这段代码的作用是显而易见的，我发现它对我的建议非常有用，但我从来没有想过要使用它，因为我不理解这种切片语法在说什么。

谁能给我解释一下这种切片的工作原理？

提前谢谢。

Answer 1

:是所有元素的占位符，而None是np.newaxis，如果你想切片额外的形状，那么None会告诉numpy创建新的维度。

因此，编写示例并避免混淆的正确方法是：

import numpy as np
l = np.array([8, 5, 2, 3])
print(l[:, np.newaxis])

Answer 2

不，这是将数组维度从1D提升到2D，准确地说是列向量。最常见的方法是使用None or np.newaxis：

In [317]: l = np.array([8,5,2,3])

In [318]: l[:, np.newaxis]
Out[318]: 
array([[8],
       [5],
       [2],
       [3]])

In [319]: l.shape
Out[319]: (4,)

In [320]: l[:, np.newaxis].shape
Out[320]: (4, 1)

但是，您也可以使用以下命令将其转换为行向量：

In [321]: l[np.newaxis, :]
Out[321]: array([[8, 5, 2, 3]])

In [322]: (l[np.newaxis, :]).shape
Out[322]: (1, 4)

因此，:意味着在切片操作期间选择沿特定轴的数组中的所有元素。

有关详细信息，请参阅how np.newaxis work。