Question

在NumPy中，

    foo = np.array([[i+10*j for i in range(10)] for j in range(3)])
    array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
           [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
           [20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])
    filter = np.nonzero(foo > 100)#nothing matches

    foo[:,filter]
    array([], shape=(3, 2, 0), dtype=int64)

    foo[:,0:0]
    array([], shape=(3, 0), dtype=int64)

filter2 = np.nonzero(np.sum(foo,axis=0) < 47)
foo[:,filter2]
array([[[ 0,  1,  2,  3,  4,  5]],

       [[10, 11, 12, 13, 14, 15]],

       [[20, 21, 22, 23, 24, 25]]])
foo[:,filter2].shape
(3, 1, 6)

我有一个'过滤器'条件，我想对所有匹配列的所有行执行操作，但如果filter是一个空数组，我的foo [：，filter]会以某种方式广播到3D数组中。另一个例子是filter2 - ＆gt;再次，foo [：，filter2]给我一个3D数组，当我期待foo的结果[：，（np.sum（foo，axis = 0）＆lt; 47）]

有人能解释一下np.nonzero的正确使用情况与使用布尔找到正确的列/索引进行比较吗？

Answer 1

首先，foo[filter] == foo[filter.nonzero()]当filter是布尔数组时。

要理解为什么你会得到意想不到的结果，你必须先了解一下python如何编制索引。要在python中进行多维索引，您可以使用[]中的索引，用逗号分隔或使用元组。因此foo[1, 2, 3]与foo[(1, 2, 3)]相同。考虑到这一点，请查看执行foo[:, something]时会发生什么。我相信你的例子是你试图获得foo[:, something[0], something[1]]，而是你得到foo[(slice[None], (something[0], something[1]))]。

这有点学术性，因为如果你只是使用filter进行索引，你可能不需要使用非零，只需使用布尔数组作为索引，但如果需要，你可以做类似的东西：

foo[:, filter[0]]

# OR
index = (slice(None),) + filter.nonzero()
foo[index]

不可广播的输出操作数numpy 2D投射到3D中

1 个答案: