有人可以解释这种 numpy 切片行为吗？

【问题标题】：Can someone explain this numpy slicing behaviour?有人可以解释这种 numpy 切片行为吗？
【发布时间】：2021-12-11 08:06:09
【问题描述】：

有人能解释一下为什么下面的第二个断言失败了吗？我不明白为什么在这种情况下使用切片或范围进行索引会有所不同。

import numpy as np

d = np.zeros(shape = (1,2,3))
assert d[:, 0, slice(0,2)].shape == d[:, 0, range(0,2)].shape #This doesn't trigger an exception as both operands return (1,2)
assert d[0, :, slice(0,2)].shape == d[0, :, range(0,2)].shape #This does because (1,2) != (2,1)...

【问题讨论】：

标签： numpy slice

【解决方案1】：

使阵列更具诊断性：

In [66]: d = np.arange(6).reshape(1,2,3)
In [67]: d
Out[67]: 
array([[[0, 1, 2],
        [3, 4, 5]]])

中间的标量索引：

In [68]: d[:,0,:2]
Out[68]: array([[0, 1]])
In [69]: d[:,0,range(2)]
Out[69]: array([[0, 1]])

两者的形状都是 (1,2)，尽管由于最后一个维度的高级索引，第二个是副本。

第二组形状相同，但顺序实际上不同：

In [70]: d[0,:,:2]
Out[70]: 
array([[0, 1],
       [3, 4]])
In [71]: d[0,:,range(2)]
Out[71]: 
array([[0, 3],
       [1, 4]])

[71] 是一个混合基本索引和高级索引的案例，它被记录为做意外。中间的切片维度放在最后。

https://numpy.org/doc/stable/reference/arrays.indexing.html#combining-advanced-and-basic-indexing

【讨论】：