用數組和切片對多個數組進行索引

Question

我對numpy文檔中的此示例感到懷疑。

y = np.arange(35).reshape(5,7)

這是我要澄清的操作：

y[np.array([0,2,4]),1:3]

根據文檔：
“實際上，切片被轉換為索引數組np.array（[[1,2]]）（形狀（1,2）），並與索引數組一起廣播以產生形狀為（3,2 ）“。

這行不通，所以我假設它不等效

y[np.array([0,2,4]), np.array([1,2])]

---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
<ipython-input-140-f4cd35e70141> in <module>()
----> 1 y[np.array([0,2,4]), np.array([1,2])]

ValueError: shape mismatch: objects cannot be broadcast to a single shape

這個廣播的形狀數組（3,2）看起來如何？

Answer 1

Y [數據，的beginIndex：endIndex的]

   import numpy as np
    y = np.arange(35).reshape(5,7)
    print(y)
    [[ 0  1  2  3  4  5  6]
     [ 7  8  9 10 11 12 13]
     [14 15 16 17 18 19 20]
     [21 22 23 24 25 26 27]
     [28 29 30 31 32 33 34]]
    print(y[np.array([0,2,4]),1:3])
    [[ 1  2]
     [15 16]
     [29 30]]

Answer 2

您說對了，這里的文檔可能不正確，或者至少缺少一些內容。 我為此提出了一個問題 ，以在文檔中進行澄清。

實際上，文檔的這一部分僅顯示了此示例，但是除此以外，您會被提出：

>>> y[np.array([0,2,4]), np.array([0,1])]
<type 'exceptions.ValueError'>: shape mismatch: objects cannot be
broadcast to a single shape

Answer 3

廣播更像：

In [280]: y[np.array([0,2,4])[...,None], np.array([1,2])]
Out[280]: 
array([[ 1,  2],
       [15, 16],
       [29, 30]])

我在[0,2,4]添加了一個尺寸，使其變為2d。 broadcast_arrays可用於查看廣播數組的外觀：

In [281]: np.broadcast_arrays(np.array([0,2,4])[...,None], np.array([1,2]))
Out[281]: 
[array([[0, 0],
        [2, 2],
        [4, 4]]), 
 array([[1, 2],
        [1, 2],
        [1, 2]])]

np.broadcast_arrays([[0],[2],[4]], [1,2])是相同的，沒有array包裝器。 np.meshgrid([0,2,4], [1,2], indexing='ij')是產生這些索引數組的另一種方法。

（ meshgrid或broadcast_arrays產生的列表可以用作y[_]的參數。）

所以說[1,2]與索引數組一起廣播是正確的，但是它省略了有關調整尺寸的內容。

早些時候，他們有這個例子：

y[np.array([0,2,4])]

等效於y[np.array([0,2,4]), :] 。 它選擇3行，並從中選擇所有項目。 1:3情況可以看作是對此的擴展，選擇3行，然后2列。

y[[0,2,4],:][:,1:3]

如果廣播過於混亂，這可能是考慮索引的一種更好的方法。

---

還有另一個文檔頁面可能會更好地處理此問題

http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html

在此文檔中，基本索引涉及切片和整數

y[:,1:3], y[1,:], y[1, 1:3]

高級索引涉及數組（或列表）

y[[0,2,4],:]

這產生與y[::2,:]相同的結果，除了列表大小寫會產生副本（切片（基本）視圖）。

y[[0,2,4], [1,2,3]]是純高級索引數組索引的情況，結果是3個項目，分別在(0,1) ， (2,2)和(4,3) 。

y[[0,2,4], 1:3]是這種情況，該文檔Combining advanced and basic indexing ，從'[0,2,4]'開始'高級'，從'1：3'開始基本。

http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#combining-advanced-and-basic-indexing

---

查看更復雜的索引數組可能會增加一些見識。

In [222]: i=[[0,2],[1,4]]

與另一個列表一起使用時，它是“純”高級的，並且廣播結果：

In [224]: y[i, [1,2]]
Out[224]: 
array([[ 1, 16],
       [ 8, 30]])

索引數組是：

In [234]: np.broadcast_arrays(i, [1,2])
Out[234]: 
[array([[0, 2],
        [1, 4]]), 
 array([[1, 2],
        [1, 2]])]

[1,2]列表僅擴展為（2,2）數組。

將其與切片一起使用是這種高級混合/基本混合的示例，結果為3d (2,2,2) 。

In [223]: y[i, 1:3]
Out[223]: 
array([[[ 1,  2],
        [15, 16]],

       [[ 8,  9],
        [29, 30]]])

與廣播等效的是

y[np.array(i)[...,None], [1,2]]