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总是2d.所以即使你选择一行(A [0,：]),结果仍然是2d,形状(1,3).因此,您可以根据需要串起尽可能多的[0],并且不会发生任何新的事情.

你想用A [0] [0]完成什么？与A [0,0]相同？

对于基本np.ndarray类,这些是等价的.

请注意,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2个索引操作,而不是一个.所以第二个[0]的效果取决于第一个产生的效果.

对于数组A [0,0]等价于A [0,：] [0].但对于矩阵,您需要：

In [299]: A[0,:][:,0]

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

=============================

“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,请允许我提出一些澄清.

A [0]并不意味着“返回第一个元素”.这意味着沿第一轴选择.对于1d数组,表示第1项.对于2d数组,它表示第1行.对于ndarray,它将是一个1d数组,但对于矩阵,它是另一个矩阵.因此对于2d数组或矩阵,A [i,：]与A [i]是相同的.

A [0]不只是返回自己.它返回一个新矩阵.不同的身份：

In [303]: id(A)

Out[303]: 2994367932

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

Out[304]: 2994532108

它可能具有相同的数据,形状和步幅,但它是一个新对象.它与许多行矩阵的第i行一样独特.

大多数独特的矩阵活动定义在：numpy / matrixlib / defmatrix.py中.我打算建议查看矩阵.__ getitem__方法,但大多数动作都是在np.ndarray .__ getitem__中执行的.

为了方便老派的MATLAB程序员,np.matrix类被添加到numpy中. numpy数组几乎可以有任意数量的维度,0,1,…. MATLAB只允许2,尽管2000左右的版本将其推广到2或更多.