Question

我在Python和Numpy中都很新。事实上，我只是在学习。

我正在阅读this tutorial，我被困在这些方面：

>>> x = np.arange(30).reshape(2,3,5)
>>> x
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]]])
>>> b = np.array([[True, True, False], [False, True, True]])
>>> x[b]
array([[ 0,  1,  2,  3,  4],
       [ 5,  6,  7,  8,  9],
       [20, 21, 22, 23, 24],
       [25, 26, 27, 28, 29]])

我无法理解我们如何得出x [b]的结果。

我也试着猜测x[[False, False, False, True]]

的结果

请向我解释，我是一个非常新手。

Answer 1

1个数组中有3个数组：

[
 [ 0,  1,  2,  3,  4],
 [ 5,  6,  7,  8,  9],
 [10, 11, 12, 13, 14]
]

使用以下行：b = np.array([[True, True, False], ...])表示您要保留前2行（前2个True值）并且您不想要最后一行（最后一个False值）。

另一部分的工作方式相同，你在1个数组中有3个数组：

[
 [15, 16, 17, 18, 19],
 [20, 21, 22, 23, 24],
 [25, 26, 27, 28, 29]
]

你的行b = np.array([..., [False, True, True]])表示不保留第一行（因为第一个值为False），但你想保留最后两行（最后两个值为True）。

Answer 2

在引擎盖下，它计算掩码所覆盖的尺寸的下标索引（沿着每个尺寸的索引），从它所映射的尺寸开始，同时从未索引的轴中选择所有元素。

案例＃1：3D数据和2D掩码

例如，对于两个维度的b，它会映射到两个维度，因此使用x[b]，它会从第一个轴开始映射。

下标索引使用np.where/np.nonzero -

计算

r,c = np.nonzero(b)

因此，x[b]会转换为：x[r,c,:]或简单地：x[r,c]。因此，它使用advanced-indexing从索引元组对中选择每个轴轴上的元素由r和c组成。

案例＃2：4D数据和2D掩码

现在，让我们将数据数组的维数增加到4D，保持相同的2D掩码，但索引凝视从第二轴开始，即x[:,b]。

假设我们有：

x = np.arange(60).reshape(2,2,3,5)

获取下标索引，然后使用advanced-indexing -

r,c = np.nonzero(b)

因此，x[:,b]应与x[:,r,c] -

相同

In [148]: x = np.arange(60).reshape(2,2,3,5)

In [149]: b = np.array([[True, True, False], [False, True, True]])

In [150]: r,c = np.nonzero(b)

In [151]: np.allclose(x[:,b], x[:,r,c])
Out[151]: True

案例＃3：4D数据和3D掩码

为了更深入，让我们考虑一个带有3D数据数组的4D掩码数组，并使用前面提出的所有理论进行验证 -

In [144]: x = np.arange(60).reshape(2,2,3,5)
     ...: b = np.random.rand(2,3,5)>0.5

In [146]: r,c,p = np.nonzero(b)

In [147]: np.allclose(x[:,b], x[:,r,c,p])
Out[147]: True

对于编辑：x[[False, False, False, True]]，您只沿第一个轴编制索引，其中布尔数组的长度为5，而x的第一个轴的长度小于因此报告索引错误。

多维数组上的布尔索引

2 个答案: