索引错误：形状不匹配：索引数组无法与形状一起广播答案

【问题标题】：Indexing error: shape mismatch: indexing arrays could not be broadcast together with shapes索引错误：形状不匹配：索引数组无法与形状一起广播
【发布时间】：2019-12-10 16:25:38
【问题描述】：

我正在尝试从张量中提取某些数据，但出现了奇怪的错误。在这里，我将尝试生成错误：

a=np.random.randn(5, 10, 5, 5)
a[:, [1, 6], np.triu_indices(5, 0)[0], np.triu_indices(5, 0)[1]].shape

我收到此错误

形状不匹配：索引数组无法与形状一起广播

我什至不做任何广播！都是切片。

我想要什么？将第零轴保持原样（获取所有内容），从第一个轴获取 [1] 和 [6]，仅通过取上三角形元素将最后两个轴从 [5, 5] 重塑为 [15]。

【问题讨论】：

只有第一个索引是切片，其余是数组，一起广播以创建 3 维的复合索引。
那么预期的结果形状是什么，(5,2,15)？
@hpaulj 没错！那是所需的形状。我设法得到它，但分两个阶段。我没能做到一行
显示 2 个步骤。它可能更简单。请参阅stackoverflow.com/q/57273662/901925 及其副本。
@hpaulj 第一步：tmp = a[:, :, np.triu_indices(5, 0)[0], np.triu_indices(5, 0)[1]] 第二步：a= tmp[:, [1, 6], ...] 所以基本上我避免了混合索引

标签： python numpy indexing

【解决方案1】：

我们需要将第二个轴索引数组扩展到2D，以便它形成一个外平面 反对np.triu_indices 之外的索引。因此，它为我们提供了mxn 数组的2D 网格，其中m 是第二个轴索引数组的长度，n 是np.triu_indices 的长度。所以，本质上，整个解决方案会简化成这样 -

r,c = np.triu_indices(5, 0)
out = a[:, np.array([1, 6])[:,None], r, c]

或者将该扩展版本作为列表提供，即 -

out = a[:, [[1],[6]], r, c]

我们还可以使用基于掩码的np.tri/np.triu，这在更大的数组上可能会更快，因为我们会跳过创建所有整数索引，就像这样 -

mask = ~np.tri(5, k=-1, dtype=bool)
out = a[:, np.array([1, 6])[:,None], mask]

【讨论】：

我正在努力理解这一点！所以问题是混合索引方法。如果我分两步做，它会起作用。第一步：处理最后两个轴，得到一个新矩阵，第二步：用 a[:, [1, 6], ...] 简单地处理第 1 个轴你能扩展什么是外平面吗？
@Alex 把它们想象成两个相对于彼此“外部”的向量（以矩阵表示法）。所以，np.array([1, 6])[:,None] 是列向量，r,c 是行向量。因此，当一起操作时，它们形成了一个外部操作，迫使 numpy-broadcasting 提取 2D 块。您必须阅读 numpy.ix_ 和 numpy-broadcasting 文档和 stackoverflow.com/a/35608029 了解更多信息。