two_d = np.array([[ 0, 1, 2, 3, 4],
[ 5, 6, 7, 8, 9],
[10, 11, 12, 13, 14],
[15, 16, 17, 18, 19],
[20, 21, 22, 23, 24]])
first = np.array((True, True, False, False, False))
second = np.array((False, False, False, True, True))
Теперь, когда я ввожу:
two_d[first, second]
Я получаю:
array([3,9])
который не имеет для меня большого смысла. Может ли кто-нибудь объяснить это просто?
При задании нескольких булевых массивов для индексирования NumPy связывает индексы значений True. Первое истинное значение в first в паре с первым истинным значением в second и т.д. Затем NumPy извлекает элементы в каждом из этих индексов (x, y).
Это означает, что two_d[first, second] эквивалентно:
two_d[[0, 1], [3, 4]]
Другими словами, вы извлекаете значения по индексу (0, 3) и индексу (1, 4); 3 и 9. Обратите внимание, что если два массива имеют разные значения истинных значений, ошибка будет повышена!
В документах для расширенной индексации кратко укажите это поведение и предложите np.ix_ как "менее удивительную" альтернативу:
Объединение нескольких булевых индексирующих массивов или логических с целым индексирующим массивом лучше всего понять с помощью аналогии
obj.nonzero(). Функцияix_также поддерживает логические массивы и будет работать без каких-либо неожиданностей.
Следовательно, вы можете искать:
>>> two_d[np.ix_(first, second)]
array([[3, 4],
[8, 9]])
Отметьте документацию по булевской индексации.
two_d[first, second] совпадает с two_d[first.nonzero(), second.nonzero()], где:
>>> first.nonzero()
(array([0, 1]),)
>>> second.nonzero()
(array([3, 4]),)
Используется как индексы, это будет выбирать 3 и 9, потому что
>>> two_d[0,3]
3
>>> two_d[1,4]
9
и
>>> two_d[[0,1],[3,4]]
array([3, 9])
Также mildy related: Индексирование NumPi с помощью List?