如何选取Numpy数组最后一列并保持原维度数？

其实你完全可以用切片语法直接实现这个需求，比reshape更简洁高效，而且不需要额外的维度调整操作。

核心方法：用a[..., j:j+1]替代a[..., j] #

当你用整数索引j时，numpy会自动“挤压”掉对应的维度，导致结果少一维；但如果用单元素切片j:j+1，numpy会保留原有的维度结构，最后一维的大小就是1。

举个具体例子：

import numpy as np

# 创建一个3×4的测试矩阵
a = np.arange(12).reshape(3,4)
print("原数组形状:", a.shape)  # 输出 (3, 4)

# 原来的方式：得到(3,)的一维数组
result_old = a[..., 2]
print("旧方法结果形状:", result_old.shape)  # 输出 (3,)

# 新方法：得到(3,1)的二维数组
result_new = a[..., 2:3]
print("新方法结果形状:", result_new.shape)  # 输出 (3, 1)

对于更高维的数组，这个方法同样适用：比如你的数组是(m, n, k)，a[..., j:j+1]会返回(m, n, 1)的数组，完美匹配你需要的维度结构。

为什么这个方法更优？ #

1. 更简洁：不需要额外调用reshape或计算a.shape[:-1] + (1,)，直接一步到位。
2. 性能更好：切片操作是numpy的原生索引方式，大部分情况下返回的是原数组的视图而非副本，比reshape的效率更高。

其他可选方法（不如切片简洁） #

如果你习惯用显式的维度扩展，也可以用np.expand_dims：

result_expand = np.expand_dims(a[..., j], axis=-1)

但这个本质上和你原来的reshape思路类似，还是不如切片直接直观。

内容的提问来源于stack exchange，提问作者MikeL