刚开始用Datacamp学习python，我遇到了关于Numpy的问题。在做this problem时（这是一个独立的问题所以应该很容易理解，没有任何上下文），我对指令感到困惑：“你可以在这里使用一个小技巧：使用np_positions =='GK'作为索引np_heights”。
代码中没有任何地方将np_heights和np_positions链接在一起，该索引如何工作？起初我以为我必须垂直连接这两个，但事实证明它没有必要。
是不是因为只有两个Numpy数组而且它们具有相同数量的元素，Python决定自动配对它们？如果我有多个Numpy数组具有相同数量的元素并使用该索引，那会是一个问题吗？
答案 0 :(得分：1)
他们唯一的共同点是他们的长度。除此之外，它们没有联系在一起。使用boolean indexing时，长度会发挥作用。
考虑以下数组：
arr = np.array([1, 2, 3])
使用布尔值，我们可以索引到这个数组：
arr[[True, False, True]]
Out: array([1, 3])
这在0和2位返回值（它们有True个值）。
这个布尔数组可能来自任何地方。它可能来自相同的数组，也可能来自相同长度的不同数组。
arr1 = np.array(['a', 'b', 'a', 'c'])
如果我arr1 == 'a'，它将进行元素比较并返回
arr1 == 'a'
Out: array([ True, False, True, False], dtype=bool)
我可以在同一个数组中使用它：
arr1[arr1=='a']
Out:
array(['a', 'a'],
dtype='<U1')
或者在不同的数组中：
arr2 = np.array([2, 5, 1, 7])
arr2[arr1=='a']
Out: array([2, 1])
请注意，这与arr2[[True, False, True, False]]没有什么不同。所以我们实际上并没有在这里使用arr1。在您的示例中，np_positions == 'GK'也将返回一个布尔数组。由于它与np_height数组具有相同的大小，因此您只需处理布尔数组具有True值的位置。