问题描述
对于二维数组 y:
y = np.arange(20).reshape(5,4)
---
[[ 0 1 2 3]
[ 4 5 6 7]
[ 8 9 10 11]
[12 13 14 15]
[16 17 18 19]]
所有索引都选择第 1、第 3 和第 5 行。这很清楚。
print(y[
[0,2,4],::
])
print(y[
[0,::
])
print(y[
[True,False,True,True],::
])
---
[[ 0 1 2 3]
[ 8 9 10 11]
[16 17 18 19]]
问题
请帮助了解产生结果的规则或机制。
用元组替换 []
会产生一个形状为 (0,5,4) 的空数组。
y[
(True,True)
]
---
array([],shape=(0,4),dtype=int64)
y[True]
---
array([[[ 0,1,3],[ 4,6,7],[ 8,9,10,11],[12,13,14,15],[16,17,18,19]]])
y[True].shape
---
(1,4)
添加额外的布尔值 True 会产生相同的结果。
y[True,True]
---
array([[[ 0,19]]])
y[True,True].shape
---
(1,4)
但是,添加 False 布尔值会再次导致空数组。
y[True,False]
---
array([],dtype=int64)
不确定文档解释了这种行为。
一般来说,如果一个索引包含一个布尔数组,结果将是 等同于将 obj.nonzero() 插入相同的位置并使用 上面描述的整数数组索引机制。 x[ind_1,boolean_array,ind_2] 等价于 x[(ind_1,) + boolean_array.nonzero() + (ind_2,)]。
如果只有一个布尔数组而没有整数索引数组 目前,这是直截了当的。只需要注意使 确保布尔索引的维数与它的维数完全一样 应该一起工作。
解决方法
布尔标量索引没有详细记录,但您可以在源代码中跟踪它是如何处理的。例如,请参阅 numpy source 中的此注释和相关代码:
/*
* This can actually be well defined. A new axis is added,* but at the same time no axis is "used". So if we have True,* we add a new axis (a bit like with np.newaxis). If it is
* False,we add a new axis,but this axis has 0 entries.
*/
因此,如果索引是标量布尔值,则会添加一个新轴。如果值为 True
,则轴的大小为 1,如果值为 False,则轴的大小为零。
这种行为是在numpy#3798中引入的,作者在this comment中概述了动机;粗略地说,目的是提供过滤操作输出的一致性。例如:
x = np.ones((2,2))
assert x[x > 0].ndim == 1
x = np.ones(2)
assert x[x > 0].ndim == 1
x = np.ones(())
assert x[x > 0].ndim == 1 # scalar boolean here!
有趣的是,第一个之后的任何后续标量布尔值都不会添加额外的维度!从实现的角度来看,这似乎是由于连续的 0D 布尔索引被视为等同于连续的花式索引(即 HAS_0D_BOOL
在某些情况下被视为 HAS_FANCY
),因此以相同的方式组合作为花哨的指数。从逻辑的角度来看,这种极端情况下的行为似乎不是故意的:例如,我在 numpy#3798 中找不到任何关于它的讨论。
鉴于此,我建议考虑这种定义不明确的行为,并避免使用记录良好的索引方法。