Question

代码：

import numpy as np    
a = np.arange(5)   
print(a[True])    
print(a[False])

结果：

[[0 1 2 3 4]]
[]

对于上面的代码，当我将True传递给numpy数组的索引时，它将返回完整数组，而对于False，则返回一个空数组。背景情况如何？

Answer 1

您的示例-将标量或0D应用于布尔数组到一维数组中

print(a[True])
# [[0 1 2 3 4]]
print(a[False])
# []

为清楚起见，尤其是w.r.t.第二种（False）情况让我们查询形状

print(a[True].shape)
# (1, 5)
print(a[False].shape)
# (0, 5)

现在乍一看，这有点令人困惑。为什么要增加尺寸？

让我们从一个不太前卫的案例开始，弄清楚为什么这是逻辑行为：

x = np.arange(6).reshape(3,2)
m2 = np.array([[True,False],[True,True],[False,True]])
m1 = np.array([True,False,True])
m0 = np.array(True)

我们创建了2D数组并匹配2D，1D和0D蒙版。

使用2D蒙版进行遮罩可得到1D结果

x[m2]
# array([0, 2, 3, 5])

使用1D遮罩进行掩膜可以选择整行，从而获得2D结果

x[m1]
# array([[0, 1],
#        [4, 5]])

我们也可以在更高的维度上进行验证，即从蒙版中删除一个尺寸会为结果添加一个尺寸。

因此，逻辑上来说，我们使用0D进行遮罩确实比开始时获得了更多的一维。 2D遮罩选择单个点（0D->那些列表：1D），一维遮罩选择整个行（1D->那些列表：2D）；因此，0D遮罩应该并且确实会选择整张图纸（2D->这些图纸的列表：3D）；因为基本数组是2D的，所以整个都是一张纸。

x[m0]
# array([[[0, 1],
#         [2, 3],
#         [4, 5]]])

x[m0].ndim
# 3

通常：

x[m2].ndim == x.ndim - m2.ndim + 1
# True 
x[m1].ndim == x.ndim - m1.ndim + 1
# True
x[m0].ndim == x.ndim - m0.ndim + 1
# True

Answer 2

a是您的numpy数组，即您想放置条件的[0,1,2,3,4] 如果满足条件，则返回索引，如果满足则返回该元素然后不要丢弃那些元素。在这里，您输入的是“真”，这意味着每个元素都满足此条件，如果假，然后满足所有条件。检查此部分