关于特定数组及其最终形状的 Numpy 花式索引问题？

Question

X = np.arange(12).reshape((3, 4)) => shape (3,4)
row = np.array([0, 1, 2])
row[:, np.newaxis] => shape (3,1)

X[row[:, np.newaxis], :]  => shape (3,1,4)

当根据 "rules of broadcasting" 广播的指数形状应该是最终形状时，谁能解释这个最终形状是如何产生的？

Answer 1

X[i, :] 给出 X 的第 i 行作为形状数组 (X.shape[1],)
X[[i], :] 给出 X 的第 i 行作为形状数组 (1, X.shape[1])
X[[[i]], :] 给出 X 的第 i 行作为形状数组 (1, 1, X.shape[1])
X[[[[i]]], :] 给出 X 的第 i 行作为形状数组 (1, 1, 1, X.shape[1])
...

如您所见，通过这种方式，您只是引入了额外的维度，输出数组的形状是索引数组的形状 + X.[=29 的行的形状=]

现在，row[:, np.newaxis] 为 array([[0], [1], [2]]) 且形状为 (3,1)，X 的每一行形状为 (4,)。所以 X[[[0], [1], [2]], :] returns X 的三行打包成形状数组 (3,1) + (4,) = (3, 1, 4).

关于特定数组及其最终形状的 Numpy 花式索引问题？

Numpy fancy indexing question about specific array and its final shape?

python

indexing

numpy

reshape