NumPy数组切片降维引发赋值失败：原因与解决方法咨询

我来帮你拆解这个困扰你的问题，你遇到的是NumPy里数组切片降维的典型情况，咱们一步步说清楚：

问题原因 #

当你用v[:,i]索引形状为(3,100)的二维数组时，NumPy有个默认行为：它会自动对切片结果进行降维压缩——本来应该是(3,1)的二维切片，被直接压缩成了(3,)的一维数组。

而你赋值的右侧np.array([[1], [2], [3]])是一个标准的(3,1)二维数组，一维数组和二维数组的维度不匹配，没办法直接广播赋值，所以就抛出了那个ValueError。

解决办法 #

这里有几种不同的思路，你可以根据自己的需求选：

1. 让右侧数组和左侧切片维度一致（改成一维） #

直接把右侧的二维数组改成一维，两边都是(3,)的形状，就能正常赋值了：

v = np.ones( (3, 100) )
for i in range( 0 , 100 ):
    v[:,i] = np.array([1, 2, 3])

2. 让左侧切片保留二维维度 #

如果你不想修改右侧的数组，可以通过调整索引方式，让v[:,i]返回(3,1)的二维数组。比如用列表索引v[:, [i]]或者切片v[:, i:i+1]，这样左边的形状就和右边匹配了：

v = np.ones( (3, 100) )
for i in range( 0 , 100 ):
    # 两种写法二选一
    v[:, [i]] = np.array([[1], [2], [3]])
    # v[:, i:i+1] = np.array([[1], [2], [3]])

3. 跳过循环，直接整体赋值（推荐） #

其实你这个场景完全不需要写for循环，NumPy支持数组的广播机制，直接把(3,1)的数组赋值给整个(3,100)的数组就行，一步到位还更高效：

v = np.ones( (3, 100) )
v[:] = np.array([[1], [2], [3]])

NumPy会自动把(3,1)的数组沿着第二个维度重复100次，直接覆盖整个数组，比循环快很多哦。

内容的提问来源于stack exchange，提问作者VEBP