Numpy中如何移除大小为0的维度？具体场景求解

一、正确移除最后一个大小为0的维度的方法 #

你用A[:-1]出错是因为这个切片操作是对第一个维度进行的：原数组第一个维度大小是1，[:-1]会取该维度从0到倒数第一个元素（不包含），也就是取0个元素，所以第一个维度直接变成0，结果形状自然是(0, 48, 48, 0)。

但要注意：形状为(1, 48, 48, 0)的数组是空数组（总元素数为1*48*48*0=0），而目标形状(1,48,48)的数组总元素数是2304，两者元素数不匹配，无法直接通过常规的reshape或切片转换。如果你的需求只是得到对应形状的空数组，直接创建即可：

import numpy as np
# 保留原数组的数据类型
A = np.empty((1, 48, 48), dtype=A.dtype)

如果是想在不改变元素数的前提下移除0维度（比如原数组多个维度中有0，总元素数仍为0），可以通过筛选非0维度来reshape：

# 过滤掉所有大小为0的维度
new_shape = tuple(d for d in A.shape if d != 0)
A = A.reshape(new_shape)

不过这种情况只适用于总元素数匹配的场景（比如原形状是(0,48,48)，过滤后变成(48,48)，总元素数都是0，就可以正常reshape）。

二、数组存在大小为0的维度意味着什么 #

• 本质上表示这个数组是空的，没有任何实际元素（总元素数为0）。
• 常见产生场景：
  • 切片操作时范围无效，比如arr[:, :, 5:3]（起始索引大于结束索引），会生成对应维度为0的数组；
  • 数据筛选后没有符合条件的元素，比如从数组中筛选一个不存在的值，返回结果就是带0维度的空数组；
  • 手动指定维度大小为0创建数组，比如np.zeros((3,0,2))。
• 这类空数组可以参与维度兼容的运算，但结果依然是空数组，不会产生实际数据。

内容的提问来源于stack exchange，提问作者ailauli69