arrays - NumPy 数组在赋值/复制时丢失维度，为什么？

Question

我有以下代码:

print(type(a1), a1.shape)
a2 = a1                  #.reshape(-1,1,2) this solves my problem
print(type(a2), a2.shape)

输出是:

<class 'numpy.ndarray'> (8, 1, 2)
<class 'numpy.ndarray'> (8, 2)

我知道(注释掉) reshape 解决了我的问题，但是，我想了解为什么简单的赋值会导致失去数组的中心维度。

有人知道发生了什么吗？为什么用另一个名字引用数组会改变它的维度？

Answer 1

看着openCV script在评论中提到， reshape 为三个维度是必要的，因为维度是通过 bool 索引而丢失的，而不仅仅是分配。

该脚本中引发问题的数组名称是 p0和 good_new .

以下是该脚本中操作的分割:

p0是形状为 (17, 1, 2) 的 3D 阵列.

线路:

p1, st, err = cv.calcOpticalFlowPyrLK(old_gray, frame_gray, p0, None, **lk_params)

创建新数组，数组 p1有形状(17, 1, 2)和数组 st有形状(17, 1) .

任务 good_new = p1[st==1]通过对 p1 的 bool 索引操作创建一个新数组对象.这是一个二维数组，形状为 (17, 2) .通过索引操作丢失了一个维度。

姓名 p0需要重新赋值给 good_new 中包含的数组数据，但是 p0还需要是3D的。为此，脚本使用 p0 = good_new.reshape(-1, 1, 2) .

为了完整起见，值得总结一下为什么步骤(3)中的 bool 索引操作会导致维度消失。

bool 数组 st == 1有形状(17, 1)匹配 p1 的初始尺寸, (17, 1, 2) .

这意味着选择发生在 p1 的第二维中。 : 索引器数组 st == 1正在确定哪些形状数组 (2,)应该在结果数组中。最终数组的形状为 (n, 2) , 其中 n是True的数量 bool 数组中的值。

NumPy 文档 here 中详细介绍了此行为。 .