1 前言

使用切片访问矩阵的部分数据（特别是一行或一列数据）时，通常会出现切片维数怎么在瞎变化，以致于不得不用reshape()强制改变维数。在深度学习中，网络对矩阵维数的要求是非常严格的，往往就是这些看似不起眼的错误，导致整个程序崩溃。

2 numpy中切片

import numpy as np

a=np.array([[1,2,3],[4,5,6],[7,8,9]])
b=a[0,0]    
c=a[0:2,0]
d=a[0,0:2]
e=a[0:1,0:1]

print("a=",a)
print("b=",b)
print("c=",c)
print("d=",d)
print("e=",e)

运行结果：

变量空间：

可以看出，使用了冒号“：”就不会降维。比如：b没有使用“：”，变成0维，即数值；c,d只使用一个“："，变成1维，即向量；而e有2个地方使用“：”，仍为矩阵。

如果确实弄不清或担心出错，可以用reshape()进行强制转换，其中-1表示维数待定（=总元素个数/其他维度元素个数），如下：

c=c.reshape(-1,1)
d=d.reshape(1,-1)
print("c=",c)
print("d=",d)

运行结果：

变量空间：

3 list中切片

a=[[1,2,3],[4,5,6],[7,8,9]]
b=a[0][0]    
c=a[0:2][0]
d=a[0][0:2]
e=a[0:1][0:1]
 
print("a=",a)
print("b=",b)
print("c=",c)
print("d=",d)
print("e=",e)

运行结果：

变量空间：

和numpy中一样，使用了“：”就不会降维。

4 注意事项

• list和numpy访问数据元素有所不同，list是一层一层的从外往里访问，每访问一层加一个“[ ]”，和C语言中的2维数组访问方式差不多，而numpy只用一个“[ ]”，层之间用“，”隔开。
• list中没有reshape()函数，不能改变列表维度，除非使用先转换为numpy数组，调用reshape()函数，再转换为list，如下：

f=np.array(e).reshape(-1,1).tolist()
print("f=",f)  # f= [[1], [2], [3]]

变量空间：

• 如果不看变量空间，numpy数组可以通过a.shape属性和np.shape(a)函数查看数组维度，list只能通过len()函数查看列表第一维的维度，如下：

import numpy as np

a=np.array([[1,2,3],[4,5,6]])
b=[[1,2,3],[4,5,6]]

print("a.shape=",a.shape)
print("np.shape(a)=",np.shape(a))
print("len(a)=",len(a))

print("len(b)=",len(b))
print("len(b[0])=",len(b[0]))

运行结果：

​ 声明：本文转自python中矩阵切片维数微秒变化