Question

我可以知道为什么ndarray允许浮点索引访问，这意味着什么？

>>> wk1 = numpy.arange(10)
>>> wk1[1:2.8]
array([1])
>>> wk1 = [1,2,3,4,5,6,7,8,9,10]
>>> wk1[1:2.8]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: slice indices must be integers or None or have an __index__ method
>>>

Answer 1

不再允许在ndarray中使用浮点索引，并且从版本1.12开始引发错误。

IndexError: only integers, slices (`:`), ellipsis (`...`),
    numpy.newaxis (`None`) and integer or boolean arrays are valid indices

使用浮点数进行索引会引发 IndexError，例如[0,0.0]。（See 1.11 release notes）

使用浮点数进行索引引发 IndexError，例如[0,0.0]。（See 1.12 release notes）

（我的重点）

Answer 2

这可能很有用，我想知道为什么其他类不会像numpy那样这样做。

当我注意到这一点时，一个特别有用的时间是你的numpy数组是一个图像，你有一个鼠标点击的事件处理程序，它给你event.xdata和event.ydata作为浮点数，那么你仍然可以使用切片获得感兴趣的区域，而不必将它们转换为像素坐标。例如，假设您通过单击并拖动选区来裁剪图像或放大图像 - 图像中的鼠标位置通常位于子像素坐标上，除了图像以1：1比例显示的特殊情况。

作为旁注，非整数切片表示法（即使切片中的复数）也可用于其索引技巧类r_和c_，例如：

>>>np.r_[0:3:0.1]
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,  1. ,
        1.1,  1.2,  1.3,  1.4,  1.5,  1.6,  1.7,  1.8,  1.9,  2. ,  2.1,
        2.2,  2.3,  2.4,  2.5,  2.6,  2.7,  2.8,  2.9])

>>>np.c_[-1:1:9j]
array([[-1.  ],
       [-0.75],
       [-0.5 ],
       [-0.25],
       [ 0.  ],
       [ 0.25],
       [ 0.5 ],
       [ 0.75],
       [ 1.  ]])

Answer 3

基本上，对于numpy数组，在任何不是整数的输入上调用int。换句话说，它向下舍入。 1.999会产生1等等。

e.g。

import numpy as np
x = np.arange(10)

print x[1.9]
print x[2.1]

（请注意，这与x[1]和x[2]分别相同。）

这也适用于用作指标的列表或数组：

print x[[1.2, 3.4]]

Answer 4

我无法在源代码中跟踪它，但是查看文档，在这种情况下传递的是切片对象（http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html），看起来输入正在在事物的坎坷方面扮演ints。

为什么ndarray允许浮点索引

4 个答案: