调用 numpy 数组时，“[()]”是什么意思？

Question

我刚刚遇到了这段代码：

x = np.load(lc_path, allow_pickle=True)[()]

我以前从未见过这种模式： [()] 。 它有什么作用，为什么这在语法上是正确的？

---

a = np.load(lc_path, allow_pickle=True)
>>> array({'train_ppls': [1158.359413193576, 400.54333992093854, ...],
 'val_ppls': [493.0056070137404, 326.53203520368623, ...],
 'train_losses': [340.40905952453613, 675.6475067138672, ...],
 'val_losses': [217.46258735656738, 438.86770486831665, ...],
 'times': [19.488852977752686, 20.147733449935913, ...]}, dtype=object)

所以我猜a是保存它的人出于某种原因包装在数组中的dict

Answer 1

这是索引 0d 数组的一种方式（唯一方式）：

In [475]: x=np.array(21)                                                                       
In [476]: x                                                                                    
Out[476]: array(21)
In [477]: x.shape                                                                              
Out[477]: ()
In [478]: x[()]                                                                                
Out[478]: 21

实际上，它将元素从数组中拉出。 item()是另一种方式：

In [479]: x.item()                                                                             
Out[479]: 21
In [480]: x.ndim                                                                               
Out[480]: 0

在

x = np.load(lc_path, allow_pickle=True)[()]

很可能np.save被赋予了一个非数组； 并包装在一个 0d 对象 dtype 数组中以保存它。 这是恢复该对象的一种方式。

In [481]: np.save('test.npy', {'a':1})                                                         
In [482]: x = np.load('test.npy', allow_pickle=True)                                           
In [483]: x                                                                                    
Out[483]: array({'a': 1}, dtype=object)
In [484]: x.ndim                                                                               
Out[484]: 0
In [485]: x[()]                                                                                
Out[485]: {'a': 1}

一般来说，当我们索引一个 nd 数组时，例如x[1,2]我们实际上是在做x[(1,2)] ，也就是说，使用对应于维数的元组。 如果x是 0d，则唯一有效的元组是空元组() 。

Answer 2

那是用 0 个索引的元组对数组进行索引。 对于大多数数组，这只会生成整个数组的视图，但对于 0 维数组，它将数组的单个元素提取为标量。

在这种情况下，看起来有人做出了奇怪的选择，将非 NumPy 对象转储到numpy.save数组，导致 NumPy 保存了一个 0 维object numpy.save数组，该数组包含原始对象。 使用allow_pickle=True和空元组索引从 0 维数组中提取对象。

他们可能应该选择numpy.save以外的其他东西来保存这个对象。