Numpy 花式索引和赋值答案

【问题标题】：Numpy fancy indexing and assignmentNumpy 花式索引和赋值
【发布时间】：2012-03-14 12:05:26
【问题描述】：

通常 numpy 会强制分配的左侧和右侧匹配，例如，如果我执行a[:] = b，b 必须是相同的形状或广播到与a 相同的形状。但该规则似乎有一个例外：

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = a.copy()
>>> a[[0,1,2]] = b[::2]
>>> a
array([0, 2, 4, 3, 4, 5, 6, 7, 8, 9])
>>> a[np.arange(10)] = b[:2]
>>> a
array([0, 1, 0, 1, 0, 1, 0, 1, 0, 1])

它似乎只适用于一维数组，并且只有在赋值左侧有花哨的索引时，但我无法在任何地方找到这种行为的文档。这种行为是否记录在案，如果有，在哪里，也有人可以举一个例子说明它什么时候有用？

更新：

似乎 numpy flatiter 类型也有这种行为，flatiter 和花式索引之间是否存在一些我不知道的联系？

>>> a.flat = [10,11]
>>> a
array([10, 11, 10, 11, 10, 11, 10, 11, 10, 11])
>>> a.flat[:] = [2,3,4]
>>> a
array([2, 3, 4, 2, 3, 4, 2, 3, 4, 2])
>>> a.flat = range(100)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

【问题讨论】：

您正确地描述了这个特性——只有在结合一维数组的高级索引进行赋值时才允许使用它。虽然我确定我在文档中读到了这一点，但目前我找不到链接。我不时发现这很有用，但我认为如果有专门的功能支持会更好，并且常规分配仍然会出错。
对，我很快就以为它只是广播，但我现在发现它实际上并不符合广播的要求！奇怪！
我不确定这是一个功能还是一个错误......至少，docs.scipy.org/doc/numpy/reference/… 似乎没有将其作为特例提及。
我正在玩的其他有趣的案例.. 源更小a[[0,1,2]] = [-1, -2]（它循环），源更大a[[0,1,2]] = [-1, -2, -3, -4]（它停止）和目标重复a[[0,0,1]] = [-1, -2, -3]（它似乎在来源。在这里对+= 运营商造成严重破坏）。
@wim，[0, 0, 1] 案例是一个单独的问题，无论好坏，这是 numpy 人都知道并且无意更改的设计选择。 scipy.org/FAQ#head-1ed851e9aff803d41d3cded8657b2b15a888ebd5

标签： python indexing numpy

【解决方案1】：

我认为这种行为是以 R 及其祖先 S/S-plus 为模型的。这就是列表分配（“向量”分配）在那里工作的方式，它被称为“回收”。 R 项目网站讨论了它，但我在this link 找到了更富有启发性的解释。在 R 中，向量是测量值的集合，因此按照它的方式填充或修剪它是有意义的。这种逻辑有多少变成了 numpy，为什么，仍然是一个很好的问题。

【讨论】：