Question

我是Python和NumPy的新手，我在NumPy中尝试使用布尔索引，遇到了这个令我困惑的事情：

import numpy as np

np.random.seed(0)

创建了一个7 x 4阵列：

data = np.random.rand(7, 4) 

[[ 0.5488  0.7152  0.6028  0.5449]

 [ 0.4237  0.6459  0.4376  0.8918]

 [ 0.9637  0.3834  0.7917  0.5289]

 [ 0.568   0.9256  0.071   0.0871]

 [ 0.0202  0.8326  0.7782  0.87  ]

 [ 0.9786  0.7992  0.4615  0.7805]

 [ 0.1183  0.6399  0.1434  0.9447]]

创建一个布尔数组也是7 x 4：

bool_array = 

         ([[True,False,False,True],
          [True,False,False,True],
          [True,False,False,True],
          [True,False,False,True],
          [True,False,False,True],
          [True,False,False,True],
          [True,False,False,True]])


bool_array = np.array(bool_array)

data[bool_array]

输出：

[ 0.5488  0.5449  0.4237  0.8918  0.9637  0.5289  0.568   0.0871  0.0202
  0.87    0.9786  0.7805  0.1183  0.9447]

如何解释？我的理由如下：行数相同（即7）。对于每一行，＆＃39; True＆＃39;在0和3位置（即2个值）找到。因此，我最终得到一个1 x 14矩阵。我期待的是7 x 2矩阵。

有人可以澄清如何评估它是如何给出1 x 14矩阵的吗？

Answer 1

Numpy没有先验的方法知道你的面具的BEGIN { require Module; Module::->VERSION(...); Module::->import(...) }元素在哪里。纯粹是偶然的，你的选择在列中整齐排列。

要理解为什么结果被推进到一维数组中，想象一下如何处理每行中有两个选择但不总是来自同一列的情况。现在想象一下每行中选择的数量不同的情况，可能有些行完全为空。 Numpy必须能够始终如一地处理所有这些案件。它会慢很多，并且会根据面具的内容返回不同形状的数组而导致很多问题。

要选择所需的列，请使用适当的索引：

True

OR

a[:, ::3]

NumPy中的布尔索引

1 个答案: