numpy数组的真假索引答案

【问题标题】：Index of True and False of a numpy arraynumpy数组的真假索引
【发布时间】：2019-09-27 08:51:52
【问题描述】：

代码：

import numpy as np    
a = np.arange(5)   
print(a[True])    
print(a[False])

结果：

[[0 1 2 3 4]]
[]

对于上面的代码，当我将 True 传递给 numpy 数组的索引时，它返回完整的数组，而 False 则返回一个空数组。背景发生了什么？

【问题讨论】：

能否请您仔细检查您的第一个打印语句的输出？是[0,1,2,3,4] 还是[[0,1,2,3,4]]？
是[[0 1 2 3 4]]

标签： python-3.x numpy

【解决方案1】：

您的示例---将标量或 0D---布尔掩码应用于一维数组会产生

print(a[True])
# [[0 1 2 3 4]]
print(a[False])
# []

为了清楚起见，尤其是 w.r.t.第二个（False）案例让我们查询形状

print(a[True].shape)
# (1, 5)
print(a[False].shape)
# (0, 5)

现在乍一看有点令人费解。为什么是额外维度？

让我们从一个不太前卫的案例开始，弄清楚为什么这是合乎逻辑的行为：

x = np.arange(6).reshape(3,2)
m2 = np.array([[True,False],[True,True],[False,True]])
m1 = np.array([True,False,True])
m0 = np.array(True)

我们创建了一个 2D 数组并匹配 2D、1D 和 0D 掩码。

使用 2D 蒙版进行蒙版会产生 1D 结果

x[m2]
# array([0, 2, 3, 5])

使用 1D 掩码进行掩码会选择整行，因此会给出 2D 结果

x[m1]
# array([[0, 1],
#        [4, 5]])

我们也可以在更高的维度上验证，从掩码中删除一个维度会使结果增加一。

因此，使用 0D 进行掩码确实比我们开始时多获得一维是合乎逻辑的。 2D 掩码选择单个点（0D -> 这些点的列表：1D），1D 掩码选择整行（1D -> 这些点的列表：2D）；因此，0D 蒙版应该并且确实会选择整个工作表（2D -> 列表：3D）；因为基本数组是 2D 的，所以一张表就是它的全部。

x[m0]
# array([[[0, 1],
#         [2, 3],
#         [4, 5]]])

x[m0].ndim
# 3

一般：

x[m2].ndim == x.ndim - m2.ndim + 1
# True 
x[m1].ndim == x.ndim - m1.ndim + 1
# True
x[m0].ndim == x.ndim - m0.ndim + 1
# True

【讨论】：

精美呈现！我看到了逻辑，而且维度 >= 1（数组和掩码）对我来说也很有意义，但是如果 1D 被零维屏蔽，为什么增加维度有用？
@MrFuppes 根据我的经验，这种一致的行为是最容易使用的。例如，如果您正在编写一些想要处理各种维度的代码，您可能需要能够预测中间结果的属性。在这种情况下，能够依赖于答案末尾的公式并且不必为 0D 蒙版创建额外的分支会派上用场。

【解决方案2】：

a 是您的 numpy 数组，即 [0,1,2,3,4] 您应该设置条件如果满足条件，则在索引上，如果满足，它将返回该元素然后不要丢弃那些元素。在这里你把 True 这意味着每个元素都满足这个条件，如果 False 则不满足元素。检查此部分

Boolean or “mask” index arrays

【讨论】：