`x[False]` 在 numpy 中有什么作用？

Question

假设我有一个数组x = np.arange(6).reshape(3, 2)。

x[False]或x[np.asanyarray(False)]是什么意思？两者都导致array([], shape=(0, 3, 2), dtype=int64)，这是出乎意料的。

我希望得到一个IndexError，因为面具尺寸不正确，比如x[np.ones((2, 2), dtype=np.bool)]。

这种行为对于x[True] 和x[np.asanyarray(True)] 是一致的，因为两者都会产生一个额外的维度：array([[[0, 1], [2, 3], [4, 5]]])。

我正在使用 numpy 1.13.1。最近这种行为似乎发生了变化，因此虽然很高兴为旧版本提供答案，但请在答案中提及您的版本。

编辑

为了完整起见，我根据对此问题的评论提交了https://github.com/numpy/numpy/issues/9515。

编辑 2

并且几乎立即关闭它。

Answer 1

从技术上讲，掩码的维度与您使用它索引的数组的维度不匹配。 （在以前的版本中，限制更少，您可以避免一些极端的形状不匹配。）

docs 将布尔索引描述为

单个布尔索引数组实际上与 x[obj.nonzero()] 相同，其中，如上所述，obj.nonzero() 返回整数索引数组的元组（长度为 obj.ndim），显示对象。

但是nonzero 对于 0 维输入很奇怪，所以这种情况是“实际上相同”结果不完全相同的方式之一：

布尔数组的非零等价性不适用于零维布尔数组。

NumPy 有一个 0 维布尔索引的特殊情况，其动机是希望具有以下行为：

In [3]: numpy.array(3)[True]
Out[3]: array([3])

In [4]: numpy.array(3)[False]
Out[4]: array([], dtype=int64)

我将在处理 0 维布尔索引的源代码中引用 comment：

if (PyArray_NDIM(arr) == 0) {
    /*
     * This can actually be well defined. A new axis is added,
     * but at the same time no axis is "used". So if we have True,
     * we add a new axis (a bit like with np.newaxis). If it is
     * False, we add a new axis, but this axis has 0 entries.
     */

虽然这主要用于 0 维数组的 0 维索引，但它也适用于使用布尔值索引多维数组。因此，

x[True]

等价于x[np.newaxis]，产生一个前面有一个新的length-1轴的结果，并且

x[False]

在长度为 0 的前面生成一个新轴，不选择任何元素。