为什么ndarray允许浮点索引答案

【问题标题】：Why ndarray allow floating point index为什么ndarray允许浮点索引
【发布时间】：2018-05-24 17:19:39
【问题描述】：

我可以知道为什么 ndarray 允许浮点索引访问，这是什么意思？

>>> 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
>>>

【问题讨论】：

这不再起作用了。见stackoverflow.com/a/43305317/2898712

标签： python numpy

【解决方案1】：

从 1.12 版开始，不再允许在 ndarray 中使用浮点索引，并且会引发错误。

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 a[0, 0.0]。 (See 1.11 release notes)

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

（我的重点）

【讨论】：

【解决方案2】：

这可能很有用，我想知道为什么其他类不像 numpy 那样做。

当我注意到这一点时，一个特别有用的时间是，如果您的 numpy 数组是一个图像，并且您有一个用于鼠标点击的事件处理程序，它为您提供 event.xdata 和 event.ydata 作为浮点数，那么您仍然可以获得使用切片的感兴趣区域，而无需将它们转换为像素坐标。例如，假设您通过单击并拖动选择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，除非图像以 1:1 比例显示的特殊情况。

附带说明，非整数切片表示法（甚至切片中的复数）可用于它们的索引技巧类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.  ]])

【讨论】：

我同意，并且出于您所描述的原因，我也经常使用它。然而，python 的口头禅是“显式优于隐式”，所以公平地说，这可能是大多数其他 python 对象不这样做的原因。无论如何，它肯定很方便！

【解决方案3】：

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

例如

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

print x[1.9]
print x[2.1]

（请注意，这分别与x[1] 和x[2] 相同。）

这也适用于用作索引的列表或数组：

print x[[1.2, 3.4]]

【讨论】：

【解决方案4】：

我无法在源代码中找到它，但是查看文档，在这种情况下传递的是一个切片对象 (http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html)，看起来输入被转换为ints 在 numpy 方面。

【讨论】：