如何在numpy中保持向量的行/列方向？
我之前使用过Matlab/Octave，现在在学习numpy。有一件事让我一直困惑，就是向量和多维数组之间的区别。为了更好地说明我的问题，我会给出一个具体的例子，但如果有人能帮我解释一下numpy中一维数组的整体概念、为什么我们需要它们、以及在混合一维和多维数组时如何避免麻烦，那就太好了。总之，我的问题是：
我有一个叫做X的二维数组：
X = numpy.arange(10).reshape(2,5)
我想把X的最后一列提取出来，存储为另一个二维数组（也就是一个列向量），叫做Y。我目前想到的唯一方法是：
Y = numpy.atleast_2d(X[:,4]).T
但我对这个方法有几个不太满意的地方：
我觉得在X[:,4]中，列的方向应该是显而易见的，我不应该还要告诉它要转置这个向量。
在代码中反复使用至少二维（atleast_2D）这个方法感觉很麻烦，这种情况会经常出现。我觉得我是不是做错了什么。
所以，简而言之，有没有更好的方法呢？
谢谢。
2 个回答
子集选择
更简单的方法是对矩阵进行子集选择。
>>> X
[[0 1 2 3 4]
[5 6 7 8 9]]
>>> X[:, [4]]
[[4]
[9]]
>>> X[:, 4]
[4 9]
这和Pandas的数据框有点像。如果你对数据框进行索引，它会给你一个序列。如果你对数据框进行子集选择或切片，它会给你一个数据框。
另见
首先，做你想要的事情有个简单的方法：
Y = X[:,4:]
现在，之前你尝试的时候，numpy没有这样做的原因和Python中数组的工作方式有关，这其实在大多数编程语言中都是一样的。当你写类似 a[4] 的东西时，这实际上是在访问数组的第五个元素，而不是给你原数组某个部分的视图。举个例子，如果 a 是一个数字数组，那么 a[4] 就只是一个数字。如果 a 是一个二维数组，也就是一个数组的数组，那么 a[4] 就会是一个一维数组。简单来说，访问数组元素的操作返回的东西维度会比原数组少一维。
现在，Python有一个叫“切片表示法”的东西，用冒号表示，这是访问数组元素的另一种方式。它不是返回一个元素（也就是比原数组少一维的东西），而是返回原数组某个部分的副本。基本上，a:b 表示从索引 a（包含）到 b（不包含）之间的所有元素。a 或 b 其中一个或两个都可以省略，这样切片就会一直到数组的相应末尾。
这对你的情况意味着，当你写 X[:,4] 时，你使用了一种切片表示法和一种常规索引表示法。切片表示法表示第一维的所有索引（因为数组有两行，所以就是0和1），而4表示第二维的第五个元素。每次使用常规索引基本上会让返回的对象的维度减少一维，所以因为 X 是一个二维数组，而你有一个常规索引，所以你得到的是一维的结果。Numpy只是把一维数组显示为行向量。如果你想得到和开始时一样维度的东西，那么就要使用全部的切片索引，就像我在这篇文章开头的例子中那样。
如果你想提取一个有超过5列的数组的第五列，你可以用 X[:,4:5]。如果你想查看第3到第4行和第5到第7列，你可以用 X[3:5,5:8]。希望你能明白这个意思。