回答:
おそらくそれが最も簡単であるかx[None, 10, :]、それと同等です（しかし、より読みやすい）x[np.newaxis, 10, :]。
なぜそれがデフォルトではないのかというと、個人的には、シングルトンの次元を持つ配列が常に存在することは非常に煩わしいことです。派手な開発者も同じように感じたと思います。
また、numpyはブロードキャスティング配列を非常にうまく処理するため、通常、スライスの元となった配列の次元を保持する理由はほとんどありません。もしそうなら、それから次のようなこと：
a = np.zeros((100,100,10))
b = np.zeros(100,10)
a[0,:,:] = b機能しないか、実装がはるかに困難になります。
（または、少なくとも、スライス時にディメンション情報をドロップする背後にあるnumpy devの推論での私の推測です）
Nonesを刻んでいるdimの隣に置きます。
bます。それはあるはずですb = np.zeros((100,10))。
X[10,None]（例としてコードを使用）。
np.matmul()または@）を台無しにするでしょう。これでやけどした。
別の解決策は
X[[10],:]または
I = array([10])
X[I,:]インデックスのリスト（または配列）によってインデックス付けが実行されるとき、配列の次元は保持されます。寸法を維持するか、絞り込むかを選択できるので、これは素晴らしいことです。
x = np.array([[1,2,3,4]]) その後x[[0],[1,2]] 、1次元でスライスすると 、 array([2, 3]) 列または行のベクトルを選択するときに、スライスを単純にしてから使用するのが最善です np.reshape。つまり、私の例ではnp.reshape(x[0,[1,2]],[1,2])
X[[10]]と解釈されX[10]、形状が小さくなるでしょう。同様にX[[10, 20]] == X[10, 20]、形状はさらに小さくなります
aの形状で(10, 20, 30)、そのa[0, :, [0]]形状を持つことになり(1, 20)、ない(20, 1)後者のインデックスにまで放送されているので、a[[0], :, [0]]これはかなり頻繁にあなたが期待するものではありません！一方a[0, :, :1]、あなたを与えるだろう(20, 1)と予想通り。さらに、単一のインデックスを持つ奇妙なエッジケースについては、上記のコメントを参照してください。全体として、この方法にはエッジケースが多すぎるようです。
私はいくつかの合理的な解決策を見つけました。
1）使用 numpy.take(X,[10],0)
2）この奇妙なインデックスを使用する X[10:11:, :]
理想的には、これがデフォルトである必要があります。ディメンションが削除される理由を理解できませんでした。しかし、それはnumpyの議論です...
alist[0]され、スライスするときに保持されます。
slice(n, n+1)indexの抽出のように書くことができますn）は、n次元の場合に自然に拡張する唯一のオプションであるため、受け入れられる答えである必要があります。
X[10:11, :]、Python 3.7.5（つまり、11の後の余分なコロンなし）のように書くことができるようです
これが私がもっと好きな代替案です。単一の番号でインデックスを作成する代わりに、範囲でインデックスを作成します。つまり、を使用しますX[10:11,:]。（10:1111は含まれないことに注意してください）。
import numpy as np
X = np.zeros((100,10))
X.shape # >> (100, 10)
xslice = X[10:11,:]
xslice.shape # >> (1,10)これにより、より多くの次元でも理解しやすくなり、Noneどの軸がどのインデックスを使用するかをジャグリングおよび把握する必要がなくなります。また、通常のインデックス作成で使用したものi:i+1に対してのみ、配列サイズに関する追加の簿記を行う必要はありませんi。
b = np.ones((2, 3, 4))
b.shape # >> (2, 3, 4)
b[1:2,:,:].shape # >> (1, 3, 4)
b[:, 2:3, :].shape . # >> (2, 1, 4)gnebehay によるリストまたは配列によるインデックス作成を含むソリューションに追加するには、タプルを使用することもできます。
X[(10,),:]
x[None, 10]あなたがやりたいことをします。