使用 python 范围对象索引到 numpy 数组

Question

我以前看过一两次，但我似乎找不到任何关于它的官方文档：Using python range objects as indices in numpy.

import numpy as np
a = np.arange(9).reshape(3,3)
a[range(3), range(2,-1,-1)]
# array([2, 4, 6])

让我们触发一个索引错误，以确认范围不在合法索引方法的官方范围（双关语）中：

a['x']

# Traceback (most recent call last):
#   File "<stdin>", line 1, in <module>
# IndexError: only integers, slices (`:`), ellipsis (`...`), numpy.newaxis (`None`) and integer or boolean arrays are valid indices

现在，numpy 与其文档之间的细微差异并非完全闻所未闻，并不一定表示某个功能不是预期的（参见示例）。

那么，有人知道为什么这行得通吗？如果它是一个预期的功能，那么确切的语义是什么/它有什么用？是否有任何 ND 概括？

Answer 1

不是一个正确的答案，但是太长了无法评论。

事实上，它似乎适用于任何可索引对象：

import numpy as np

class MyIndex:
    def __init__(self, n):
        self.n = n
    def __getitem__(self, i):
        if i < 0 or i >= self.n:
            raise IndexError
        return i
    def __len__(self):
        return self.n

a = np.array([1, 2, 3])
print(a[MyIndex(2)])
# [1 2]

我认为 NumPy 代码中的相关行在 core/src/multiarray/mapping.c 中的注释下方：

/*
 * Some other type of short sequence - assume we should unpack it like a
 * tuple, and then decide whether that was actually necessary.
 */

但我不完全确定。出于某种原因，如果您删除 if i < 0 or i >= self.n: raise IndexError，即使有 __len__，它也会挂起，因此在某些时候它似乎正在遍历给定对象，直到引发 IndexError。

Answer 2

总结一下（感谢评论中的@WarrenWeckesser）：此行为实际上已记录在案。人们只需要意识到 range 对象是 python 序列 in the strict sense.

所以这只是花式索引的一个例子。但是请注意，它非常慢：

>>> a = np.arange(100000)
>>> timeit(lambda: a[range(100000)], number=1000)
12.969507368048653
>>> timeit(lambda: a[list(range(100000))], number=1000)
7.990526253008284
>>> timeit(lambda: a[np.arange(100000)], number=1000)
0.22483703796751797

使用 python 范围对象索引到 numpy 数组

Using python range objects to index into numpy arrays

python

numpy

array-indexing