numpy 数组索引与列表和数组

Question

我有：

>>> a
array([[1, 2],
       [3, 4]])

>>> type(l), l # list of scalers
(<type 'list'>, [0, 1])

>>> type(i), i # a numpy array
(<type 'numpy.ndarray'>, array([0, 1]))

>>> type(j), j # list of numpy arrays
(<type 'list'>, [array([0, 1]), array([0, 1])])

当我这样做时

>>> a[l] # Case 1, l is a list of scalers

我明白了

array([[1, 2],
       [3, 4]])

这意味着索引只发生在第 0 个轴上。

但是当我这样做时

>>> a[j] # Case 2, j is a list of numpy arrays

我明白了

array([1, 4])

这意味着索引发生在轴 0 和轴 1。

Q1：当用于索引时，为什么缩放器列表和numpy数组列表的处理方式有所不同？ （案例 1 与案例 2）。在案例 2 中，我希望看到索引仅沿轴 0 发生并得到 ​​p>

array( [[[1,2],
          [3,4]], 

        [[1,2],
         [3,4]]])

现在，当使用 numpy 数组代替时

>>> j1 = np.array(j) # numpy array of arrays

下面的结果表明索引只发生在轴 0（如预期）

>>> a[j1] Case 3, j1 is a numpy array of numpy arrays
array([[[1, 2],
        [3, 4]],

       [[1, 2],
        [3, 4]]])

Q2：当用于索引时，为什么numpy数组的list和numpy数组的numpy数组有区别？ （案例 2 与案例 3）

Answer 1

Case1, a[l] 实际上是 a[(l,)] 扩展为 a[(l, slice(None))]。也就是说，使用列表l 和自动尾随: 切片对第一个维度进行索引。索引作为元组传递给数组__getitem__，并且可以添加额外的() 而不会混淆。

案例2，a[j] 被视为a[array([0, 1]), array([0, 1]] 或a[(array(([0, 1]), array([0, 1])]。换句话说，作为索引对象的元组，每个维度一个。它最终返回 a[0,0] 和 a[1,1]。

案例3，a[j1] 是a[(j1, slice(None))]，将j1 索引仅应用于第一个维度。

Case2 有点异常。你的直觉是正确的，但是由于历史原因，这个数组列表（或列表列表）被解释为数组的元组。

这已在其他 SO 问题中讨论过，我认为它已记录在案。但是我暂时找不到那些参考资料。

因此，使用索引对象的元组或数组更安全。使用列表进行索引可能会产生歧义。

---

numpy array indexing: list index and np.array index give different result

这个 SO question 涉及到同样的问题，尽管最清晰的关于正在发生的事情的陈述隐藏在 @user2357112 评论中的代码链接中。

另一种强制 Case3 类似索引的方式，使第 2 维切片显式，a[j,:]

In [166]: a[j]
Out[166]: array([1, 4])
In [167]: a[j,:]
Out[167]: 
array([[[1, 2],
        [3, 4]],

       [[1, 2],
        [3, 4]]])

（即使不需要，我也经常包含尾随 :。它让我和读者清楚地知道我们正在处理多少维度。）

Answer 2

A1：l的结构与j不一样。

l 只是一维，而j 是二维。如果您更改其中之一：

# l = [0, 1]                                 # just one dimension!
l = [[0, 1], [0, 1]]                         # two dimensions
j = [np.array([0,1]), np.array([0, 1])]      # two dimensions

它们的行为相同。

A2：同理，Case 2和Case 3的数组结构不一样。