不理解 Numpy 布尔索引文档

Question

我正在运行一个非常简单的示例 -

a = np.array([1,2,3,4,5])
mask= np.array([True, False])
a[mask]

这会产生IndexError: boolean index did not match indexed array along dimension 0; dimension is 5 but corresponding boolean dimension is 2。

混淆源于我对Numpy doc这部分的理解（或缺乏理解）：-

如果obj.ndim == x.ndim, x[obj] 返回一个由x 的元素填充的一维数组，对应于True 的obj 值。搜索顺序将是行优先的 C 样式。如果obj 的True 值在x 的范围之外，则会引发索引错误。 如果obj 小于x，则等于用False 填充它。 （强调我的）

我认为mask 数组会转换为[True, False, False, False, False]，但似乎情况并非如此。此外，a 和 mask 具有相同的 ndim 值，那么为什么错误消息会说 a 的维度为 5 但布尔维度为 2。

我错过了什么？如何解释文档？

Answer 1

从 1.13 版开始，掩码大小必须匹配

https://numpy.org/doc/stable/release/1.13.0-notes.html#boolean-indexing-changes

Boolean indexing changes
Boolean array-likes (such as lists of python bools) are always treated as boolean indexes.

Boolean scalars (including python True) are legal boolean indexes and never treated as integers.

Boolean indexes must match the dimension of the axis that they index.

Boolean indexes used on the lhs of an assignment must match the dimensions of the rhs.

Boolean indexing into scalar arrays return a new 1-d array. This means that array(1)[array(True)] gives array([1]) and not the original array.

在 v 1.20 中，还有一个更小的修正，要求匹配形状和大小。

您引用的那行似乎是之前未强制执行大小匹配时遗留下来的。

大多数情况下，布尔掩码是通过对数组本身进行一些比较来构造的，因此大小匹配是自动的。人们通常不会构造短掩码——除非是错误地或测试文档。