NumPy数组切片时维度如何变化？解析两段转置差异代码

先提个小笔误：你代码里的numpy.arange(4,3)会生成空数组，肯定是手滑了，我默认改成numpy.arange(12).reshape(4,3)来分析，这样代码能正常跑起来~

核心维度变化规则 #

NumPy数组切片/索引时的维度变化，关键看你用的是切片操作还是单个索引：

• 用切片（比如start:end、-1:这种形式）：会保留原数组的维度结构。哪怕你只切出一行或一列，结果依然是和原数组维度数一致的数组（比如2D数组切一列，结果是(n,1)的2D数组）。
• 用单个索引（比如-1、2这种单个数值）：会直接「压缩」掉被索引的那个维度，结果的维度数比原数组少1（比如2D数组取某一列的单个索引，结果是(n,)的1D数组）。

两段代码的差异分析 #

第一段：转置生效的代码 #

修正后的可运行代码：

import numpy as np
b = np.arange(12).reshape(4,3)  # 生成4行3列的2D数组
print(b[1:3,-1:])
print(b[1:3,-1:].shape)
print(b[1:3,-1:].T)
print(b[1:3,-1:].T.shape)

运行结果示例：

[[ 5]
 [ 8]]
(2, 1)
[[5 8]]
(1, 2)

为什么转置生效？

• b[1:3,-1:]中，行维度用了切片1:3（取第2、3行），列维度用了切片-1:（取最后一列）。因为都是切片操作，结果保留了2D结构，shape为(2,1)。
• 2D数组的转置.T会交换两个维度的位置，所以(2,1)转置后变成(1,2)，转置效果非常明显。

第二段：转置“不生效”的代码 #

修正后的代码：

import numpy as np
b = np.arange(12).reshape(4,3)
print(b[1:3,-1])
print(b[1:3,-1].shape)
print(b[1:3,-1].T)
print(b[1:3,-1].T.shape)

运行结果示例：

[5 8]
(2,)
[5 8]
(2,)

为什么看起来转置没效果？

• b[1:3,-1]中，行维度是切片，但列维度用了单个索引-1，这会直接压缩列维度，结果变成了1D数组，shape为(2,)。
• NumPy的1D数组没有“转置”的概念——它只有一个维度，转置操作不会改变它的结构，所以输出和原数组完全一样，看起来像是转置没生效。

小技巧：如何保留维度实现转置 #

如果想取单一行/列时依然能转置，有两种简单办法：

• 用切片代替单个索引：比如把-1改成-1:，就像第一段代码那样。
• 手动增加维度：用np.newaxis（或None）扩展维度，比如b[1:3,-1, np.newaxis]，得到的也是(2,1)的2D数组，转置后就能得到(1,2)的结果。

内容的提问来源于stack exchange，提问作者kosmos