Question

我正在使用numpy数组索引并发现这种奇怪的行为。当我使用list或In[1]: arr = np.arange(10).reshape(5,2) arr[ [1, 1] ] Out[1]: array([[2, 3], [2, 3]])进行索引时，它按预期工作：

tuple

但是当我放In[1]: arr = np.arange(10).reshape(5,2) arr[ (1, 1) ] Out[1]: 3时，它给了我一个元素：

tuple

list也会发生某种奇怪的arr.flat vs In[1]: arr = np.arange(10).reshape(5,2) In[2]: arr.flat[ [3, 4] ] Out[2]: array([3, 4]) In[3]: arr.flat[ (3, 4) ] Out[3]: IndexError: unsupported iterator index行为：

tuple

我无法理解幕后发生的事情？在这种情况下list和int a,b; a = 0; b = a + 2; a = 3;之间有什么区别？

Python 3.5.2
NumPy 1.11.1

Answer 1

正在发生的事情称为花式索引，或advanced indexing。使用切片或列表/数组进行索引之间存在差异。诀窍在于，由于隐式元组语法，多维索引实际上与元组一起使用：

import numpy as np
arr = np.arange(10).reshape(5,2)
arr[2,1] == arr[(2,1)] # exact same thing: 2,1 matrix element

但是，在索引表达式中使用 list （或数组）的行为会有所不同：

arr[[2,1]]

将索引到arr，然后是2，所以首先它取出arr[2]==arr[2,:]，然后取arr[1]==arr[1,:]，然后返回这两行（第2行和第1行）作为结果

变得更加有趣：

print(arr[1:3,0:2])
print(arr[[1,2],[0,1]])

第一个是常规索引，它将行1到2和0到1列包括在内;给你一个2x2的子阵列。第二个是花哨的索引，它在数组中给你arr[1,0],arr[2,1]，即它使用索引列表的zip()选择性地索引到你的数组中。

现在这就是flat的工作原理：它返回数组的flatiter。来自help(arr.flat)：

class flatiter(builtins.object)
 |  Flat iterator object to iterate over arrays.
 |  
 |  A `flatiter` iterator is returned by ``x.flat`` for any array `x`.
 |  It allows iterating over the array as if it were a 1-D array,
 |  either in a for-loop or by calling its `next` method.

因此arr.flat得到的迭代器表现为1d数组。当你这样做

arr.flat[ [3, 4] ]

您使用花式索引访问该虚拟1d数组的两个元素;有用。但是当你想要做的时候

arr.flat[ (3,4) ]

您正在尝试访问1d（！）数组的(3,4)元素，但这是错误的。这不会引发IndexError的原因可能只是因为arr.flat本身处理了这个索引的情况。

Answer 2

In [387]: arr=np.arange(10).reshape(5,2)

使用此列表，您将从arr

中选择2行

In [388]: arr[[1,1]]
Out[388]: 
array([[2, 3],
       [2, 3]])

与明确标记列切片（使用：或...）

相同

In [389]: arr[[1,1],:]
Out[389]: 
array([[2, 3],
       [2, 3]])

使用数组而不是列表有效：arr[np.array([1,1]),:]。（这也消除了一些含糊之处。）

使用tuple，结果与编写没有元组包装器的索引相同。因此它选择行索引为1，列索引为1的元素。

In [390]: arr[(1,1)]
Out[390]: 3
In [391]: arr[1,1]
Out[391]: 3

解释程序将arr[1,1]翻译为arr.__getitem__((1,1))。在Python中常见的1,1是(1,1)的缩写。

在arr.flat个案例中，您将数组编入索引，就像它是1d一样。 np.arange(10)[[2,3]]选择2项，而np.arange(10)[(2,3)]是2d索引，因此错误。

最近的一些问题涉及一个更加混乱的角落案件。有时列表被视为元组。讨论可能具有启发性，但如果令人困惑，请不要去那里。

Advanced slicing when passed list instead of tuple in numpy

numpy indexing: shouldn't trailing Ellipsis be redundant?

Numpy数组索引行为

2 个答案: