Question

有人可以解释这段代码在做什么吗？

   a = np.array([[1, 2], [3, 4]])
   a[..., [True, False]]

[True, False]在那里做什么？

Answer 1

省略号表示法和布尔值作为整数

From the numpy docs：

省略号扩展到以下数量：制作与x.ndim相同长度的选择元组所需的对象。可能只有一个省略号

True和False are just obfuscated 0 and 1。以文档为例：

x = np.array([[[1],[2],[3]], [[4],[5],[6]]])
x[...,0]
# outputs: array([[1, 2, 3],
#       [4, 5, 6]])
x[..., False] # same thing

布尔值指定索引，就像数字0或1一样。

回复评论中的问题

首先看起来很神奇

a = np.array([[1, 2], [3, 4]])
a[..., [True, True]]  # = [[2,2],[4,4]]

但是当我们将其视为

时

a[..., [1,1]] # = [[2,2],[4,4]]

似乎不太令人印象深刻。

类似地：

b = array([[1,2,3],[4,5,6]])
b[...,[2,2]] # = [[3,3],[5,5]]

应用省略号规则后;真假抓取列索引，就像0,1或17一样

复杂索引的布尔数组

存在一些微妙的差异（bool的类型与int不同）。 A lot of the hairy details can be found here。这些似乎没有代码中的任何内容，但它们很有趣，可以确定numpy索引的工作原理。

特别是，这条线可能是您正在寻找的：

将来布尔数组喜欢（比如python bools列表）会始终被视为布尔索引

On this page,他们谈论布尔数组，它们作为索引工具非常复杂

用作索引的布尔数组以不同的方式处理完全比索引数组。布尔数组必须具有相同的形状作为索引数组的初始维度

稍微减少

与整数索引数组的情况不同，在布尔情况下， result是包含索引数组中所有元素的1-D数组对应于布尔数组中的所有真实元素。该索引数组中的元素总是被迭代并返回行主（C风格）顺序。结果也是一样的 Y [np.nonzero（B）]。与索引数组一样，返回的是副本数据，而非用切片获取的视图。