为什么用括号和逗号索引 numpy 数组的行为不同？
Why does indexing numpy arrays with brackets and commas differ in behavior?
我倾向于用方括号索引 numpy 数组（矩阵），但我注意到当我想对数组（矩阵）进行切片时，我必须使用逗号表示法。为什么是这样？例如，
>>> 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
这个：
x[:, 1]
表示"take all indices of x along the first axis, but only index 1 along the second".
这个：
x[:][1]
表示"take all indices of x along the first axis (so all of x), then take index 1 along the first axis of the result"。您将 1 应用于错误的轴。
x[1][2] 和 x[1, 2] 只是等价的，因为用整数索引数组会将所有剩余的轴移向形状的前面，所以 x[1] 的第一个轴是第二个x 的轴。这根本不能一概而论；您应该几乎总是使用逗号而不是多个索引步骤。
对数组进行多维切片时，如果提供的索引少于轴数，则缺失的索引被视为完整切片。
因此，当您调用 x[:][1] 时本质上是 x[:,:][1,:]
因此，x[:,:] 只会 return x 本身。
真正的解释是在 2 个括号 [][] 的情况下，第一个括号 (x[] ) 创建一个引用多维数组的第一个维度的临时数组。
而 x[][] 的第二个括号将应用于已创建的临时数组。
所以没有真正的危险发生。由于所描述的行为，当您将切片与多个括号结合使用时，基本上第一个括号已经选择了 numpy 数组的一部分，而第二个括号进入了已经选择的数组。
我倾向于用方括号索引 numpy 数组（矩阵），但我注意到当我想对数组（矩阵）进行切片时，我必须使用逗号表示法。为什么是这样？例如，
>>> 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
这个：
x[:, 1]
表示"take all indices of x along the first axis, but only index 1 along the second".
这个：
x[:][1]
表示"take all indices of x along the first axis (so all of x), then take index 1 along the first axis of the result"。您将 1 应用于错误的轴。
x[1][2] 和 x[1, 2] 只是等价的，因为用整数索引数组会将所有剩余的轴移向形状的前面，所以 x[1] 的第一个轴是第二个x 的轴。这根本不能一概而论；您应该几乎总是使用逗号而不是多个索引步骤。
对数组进行多维切片时，如果提供的索引少于轴数，则缺失的索引被视为完整切片。
因此，当您调用 x[:][1] 时本质上是 x[:,:][1,:]
因此，x[:,:] 只会 return x 本身。
真正的解释是在 2 个括号 [][] 的情况下，第一个括号 (x[] ) 创建一个引用多维数组的第一个维度的临时数组。
而 x[][] 的第二个括号将应用于已创建的临时数组。
所以没有真正的危险发生。由于所描述的行为，当您将切片与多个括号结合使用时，基本上第一个括号已经选择了 numpy 数组的一部分，而第二个括号进入了已经选择的数组。