numpy ndarray切片与数组

Question

当尝试使用多个切片数组沿单独的维度切片ndarray时，我无法理解numpy广播错误背后的原因。 我正在尝试使用索引数组picks例如np.arange（2，306，3）和一个布尔数组mask （其中mask.shape为（481））沿第一和第二维将data ndarray（100，306，481）切片，），其中361个元素为True 。

data[:, picks, mask]返回

IndexError：形状不匹配：索引数组不能与形状（102，）（361，）一起广播

但是data[:, :, mask] ， data[:, picks, :]和data[:, :10, mask]正常工作。

在这种情况下，广播如何工作？ python方法是什么呢？

Answer 1

所以

data[:, :, mask]  => (100, 306, 361) 
data[:, :10, mask] => (100, 10, 361)
data[:, picks, :] => (100, 102, 481)

如果picks具有（361，）个元素，则

data[:, picks, mask] => (100, 361)  # I think :)

想的picks匹配np.where(mask)

但是要在不同维度上建立索引， picks必须是列向量，因此（102,1）用（1，361）广播以产生（102,361）选择

data[:, picks[:,None], mask] => (100, 102, 361) # again I need to test

因此，创建一些测试数组：

In [253]: data=np.ones((100,306,481))
In [254]: picks=np.arange(2,306,3)
In [255]: mask=np.zeros(481,bool)
In [256]: mask[:361]=True
In [257]: data[:, picks[:,None],mask].shape
Out[257]: (100, 102, 361)

范围可以用切片代替

In [259]: data[:, 2::3, mask].shape
Out[259]: (100, 102, 361)

ix_在这种情况下很方便

In [268]: I,J=np.ix_(picks,mask)
In [269]: I.shape
Out[269]: (102, 1)
In [270]: J.shape
Out[270]: (1, 361)
In [271]: data[:,I,J].shape
Out[271]: (100, 102, 361)