numpy 多维数组索引

Question

我在 numpy 多维数组中进行索引时遇到一个奇怪的问题。所以，我有一个形状数组 (4, 882)。我有另一个数组，称为形状匹配 (276, 2)。此匹配数组包含我的原始多维数组中有效条目的索引。我想要做的是 select 前 2 行和匹配数组中的索引匹配的所有列。所以，我做了如下事情：

import numpy as np
k = get_array()  # This has shape (4, 882)
m = get_match()  # This has shape (276, 2)

s = k[[1, 0], m[:, 0]]

这引发了错误：

ValueError: shape mismatch: objects cannot be broadcast to a single shape

然而，当我这样做时：

s = k[[1, 0], :][:, m[:, 0]]

这很好用。所以，这实际上是先 select 行的子集，然后是列，但我不确定为什么我的第一次尝试是错误的。另外，做：

s = k[[1, 0], :]

当然有效。

Answer 1

错误消息有点令人困惑，因为形状不匹配不在 k 和 m 之间。它介于 [1, 0] 和 m[:,0] 之间。以下是使用以下（更容易可视化的）数组修复它的三种方法：

>>> k
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]])
>>> m
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7]])

将索引列表更改为二维列表，其形状可以广播反对m:

>>> k[[[1], [0]],m[:, 0]]
array([[ 8, 10, 12, 14],
       [ 0,  2,  4,  6]])

将其转换为数组并重塑数组：

>>> k[numpy.array([1, 0]).reshape(2, 1),m[:, 0]]
array([[ 8, 10, 12, 14],
       [ 0,  2,  4,  6]])

将其转换为数组并使用 numpy.newaxis、a.k.a 对其进行切片。 None:

>>> k[numpy.array([1, 0])[:,None],m[:, 0]]
array([[ 8, 10, 12, 14],
       [ 0,  2,  4,  6]])

还有很多其他的，但这是最容易想到的三个。

你收到一个错误，因为 numpy 需要以这种方式传递的索引具有相同的形状，或者可以广播为相同的形状。通过使 [1, 0] 列表成为 "column array,"，您可以使它们可广播。当您尝试将 m 乘以 [1, 0]:

时会发生同样的事情

>>> m[:,0] * [0, 1]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: shape mismatch: objects cannot be broadcast to a single shape

所有相同的修复都适用。例如：

>>> m[:,0] * [[0], [1]]
array([[0, 0, 0, 0],
       [0, 2, 4, 6]])

最后，请注意，您还可以通过传递 m 的不同形状的切片来修复它——观察输出是否已转置：

>>> k[[1, 0],m[:, 0:1]]
array([[ 8,  0],
       [10,  2],
       [12,  4],
       [14,  6]])

numpy 多维数组索引

numpy multidimensional array indexing

python

indexing

numpy

multidimensional-array