解析Numpy切片操作后的数组形状异常问题

我来帮你拆解这个Numpy切片的误区，问题核心在于你用的链式切片写法和Numpy多维数组的切片逻辑完全不一样～

先回顾你的数据情况：

>>> original_data.shape
(220, 145, 145)
>>> all_data = np.transpose(original_data, (1,2,0))
>>> all_data.shape
(145, 145, 220)

为什么original_data[:][:][0]得到(145,145)？ #

你以为[:][:][0]是在第三个维度取第0个元素，但Numpy里的链式切片是依次对每一步的结果做一维操作：

1. original_data[:]：返回整个数组，形状还是(220,145,145)
2. 再做[:]：依然返回整个数组，形状不变
3. 最后[0]：对当前数组（形状(220,145,145)）取第一个维度的第0个元素，也就是形状为(145,145)的子数组

这和你预期的(220,145)完全不符，因为你真正想取的是第三个维度的第0个元素，正确写法应该是original_data[:,:,0]，这个写法会同时指定三个维度的切片规则：第一个维度全取，第二个维度全取，第三个维度取第0个，结果形状就是(220,145)。

为什么all_data的链式切片结果不符合预期？ #

同样的逻辑，all_data[:][:][0]的执行过程是：

1. all_data[:]返回整个数组，形状(145,145,220)
2. 再[:]还是整个数组
3. [0]取第一个维度的第0个元素，也就是形状(145,220)的子数组

而你想要的是第三个维度的第0个元素，正确写法是all_data[:,:,0]，执行后形状就是(145,145)，完全符合预期。

其他链式切片的结果解释 #

比如你尝试的：

>>> temp = all_data[:][0][:]
>>> temp.shape
(145, 220)

这等价于((all_data[:])[0])[:]：

1. all_data[:]是整个数组
2. [0]取第一个维度的第0个元素，形状(145,220)
3. [:]返回这个子数组的全部元素，形状不变

再比如：

>>> temp = all_data[0][:][:]
>>> temp.shape
(145, 220)

等价于((all_data[0])[:])[:]，第一步all_data[0]就取了第一个维度的第0个元素，后面的[:][:]不改变形状，结果自然是(145,220)。

关键总结 #

Numpy多维数组的切片，要同时对多个维度指定规则，必须用逗号分隔的索引语法（比如arr[dim1_slice, dim2_slice, dim3_slice]）；而链式的[:][:][...]是依次对每一步的数组做一维索引/切片，每一步的操作只作用于当前数组的第一个维度，这就是你得到不符合预期形状的根本原因。

内容的提问来源于stack exchange，提问作者Emile Engelbrecht