索引后查看形状：In [295]: A=np.matrix([1,2,3])

In [296]: A.shape

Out[296]: (1, 3)

In [297]: A[0]

Out[297]: matrix([[1, 2, 3]])

In [298]: A[0].shape

Out[298]: (1, 3)

这种行为的关键是np.matrix始终是2d，所以即使选择一行(A[0,:])，结果仍然是2d，shape(1,3)。所以你可以随心所欲地多串几个[0]，而且不会有什么新的事情发生。

你想用A[0][0]来完成什么？与A[0,0]相同？

对于基类np.ndarray来说，它们是等价的。

注意，Python解释器将索引转换为__getitem__调用。A.__getitem__(0).__getitem__(0)

A.__getitem__((0,0))

[0][0]是两个索引操作，而不是一个。因此，第二个[0]的效果取决于第一个产生什么。

对于数组A[0,0]相当于A[0,:][0]。但对于矩阵，您需要：In [299]: A[0,:][:,0]

Out[299]: matrix([[1]]) # still 2d

一、二、二、三"An array of itself", but I doubt anyone in their right mind would choose that as a model for matrices in a scientific library.

What is, then, the logic to the output I obtained? Why would the first element of a matrix object be itself?

In addition, A[0,:] is not the same as A[0]

鉴于这些评论，让我提出一些澄清意见。

A[0]并不意味着“返回第一个元素”。意思是沿着第一个轴选择。表示第一个项目的1d数组。对于二维数组，它表示第一行。对于ndarray来说，它是一个一维数组，而对于matrix来说，它是另一个matrix。所以对于二维数组或矩阵，A[i,:]和A[i]是一样的。

A[0]不只是返回本身。它返回一个新矩阵。不同的id：In [303]: id(A)

Out[303]: 2994367932

In [304]: id(A[0])

Out[304]: 2994532108

它可能有相同的数据，形状和步幅，但它是一个新的对象。它和多行矩阵的ith行一样唯一。

大多数唯一的matrix活动在：numpy/matrixlib/defmatrix.py中定义。我本打算建议查看matrix.__getitem__方法，但大多数操作是在np.ndarray.__getitem__中执行的。

np.matrix类被添加到numpy中，以方便老式的MATLAB程序员。numpy数组几乎可以有任意数量的维度，0，1。。。。MATLAB只允许2个，尽管2000年左右的一个版本将其概括为2个或更多。