處理python數組中的維度崩潰

Question

我在使用NumPy時遇到的一個重複性錯誤是，嘗試索引數組失敗，因爲數組的維度之一是單例，因此該維度已被清除，被索引。這在設計用於對任意大小的數組進行操作的函數中尤其成問題。我正在尋找最便宜，最普遍的方法來避免這種錯誤。

下面是一個例子：

import numpy as np 
f = (lambda t, u, i=0: t[:,i]*u[::-1]) 
a = np.eye(3) 
b = np.array([1,2,3]) 
f(a,b) 
f(a[:,0],b[1]) 

第一個電話按預期工作。第二次調用失敗的方式有兩種：1）t不能被[:,0]索引，因爲它的形狀爲(3,)，並且2）u根本不能被索引，因爲它是一個標量。

下面是發生在我身上的修復：

1）使用np.atleast_1d和np.atleast_2d等（可能用條件，以確保尺寸是按照正確的順序）內f，以確保所有參數都他們需要的尺寸。這排除了lambda的使用，並且可以採用我不想要的幾條線。

2）而不是上面寫f(a[:,0],b[1])，使用f(a[:,[0]],b[[1]])。這很好，但我總是必須記住放入額外的括號中，如果索引存儲在一個變量中，您可能不知道是否應該放入額外的括號。例如： -

idx = 1 
f(a[:,[0]],b[[idx]]) 
idx = [2,0,1] 
f(a[:,[0]],b[idx]) 

在這種情況下，你似乎不得不呼籲idxnp.atleast_1d第一，這可能比把np.atleast_1d在功能上更加繁瑣。

3）在某些情況下，我可以擺脫只是不放入索引。例如：

f = lambda t, u: t[0]*u 
f(a,b) 
f(a[:,0],b[0]) 

這是有效的，當它適用時顯然是最光滑的解決方案。但是在任何情況下都沒有幫助（特別是，您的維度必須以正確的順序開始）。

那麼，有沒有比上述更好的方法？

Answer 1

有很多方法可以避免這種行爲。

首先，當你索引的np.ndarray與slice，而不是一個整數的尺寸，輸出的維數將是相同的輸入：

import numpy as np 

x = np.arange(12).reshape(3, 4) 
print x[:, 0].shape    # integer indexing 
# (3,) 

print x[:, 0:1].shape    # slice 
# (3, 1) 

這是我的避免該問題的首選方式，因爲它可以非常容易地從單元素到多元素的選擇（例如x[:, i:i+1] vs x[:, i:i+n]）進行概括。

正如你已經提到了，你也可避免使用任何整數序列索引到一個維維損失：

print x[:, [0]].shape    # list 
# (3, 1) 

print x[:, (0,)].shape   # tuple 
# (3, 1) 

print x[:, np.array((0,))].shape # array 
# (3, 1) 

如果你選擇堅持使用整數索引，可以隨時插入使用np.newaxis（或相當於None）的新單維度：

print x[:, 0][:, np.newaxis] 
# (3, 1) 

print x[:, 0][:, None] 
# (3, 1) 

否則，你可以手動將其重塑正確的尺寸（這裏使用-1來推斷第一維部門自動化的大小凱莉）：

print x[:, 0].reshape(-1, 1).shape 
# (3, 1) 

最後，你可以使用一個np.matrix而非np.ndarray。 np.matrix行爲更像一個MATLAB矩陣，其中單尺寸被留在每當你索引與一個整數：

y = np.matrix(x) 
print y[:, 0].shape 
# (3, 1) 

然而，應注意的是有和np.ndarray一個number of other important differences之間np.matrix，例如*操作者進行數組上的元素相乘，但矩陣上的矩陣相乘。在大多數情況下，最好堅持np.ndarrays。