Numpy 高级索引：广播是如何发生的？

Question

array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])

如果我们运行下面的语句

x[1:, [2,0,1]]

我们得到以下结果

array([[ 6,  4,  5],
      [10,  8,  9]])

根据 numpy 的文档：

Advanced indexes always are broadcast and iterated as one:

我无法理解索引配对是如何在这里发生以及广播的。

Answer 1

来自 NumPy 用户指南，Section 3.4.7 Combining index arrays with slices

the slice is converted to an index array np.array that is broadcast with the index array to produce the resultant array.

在我们的例子中，切片 1: 被转换为索引数组 np.array([[1,2]]) 具有 shape (1,2) 。这是 行索引数组 。 下一个索引数组（列索引数组）np.array（[2,0,1]）具有形状（3,2）

• row index array shape (1,2)
• column index array shape (3,2)

索引数组的形状不同。但它们可以广播到相同的形状。广播行索引数组以匹配列索引数组的形状。

Answer 2

选择的答案不正确。

1. 这里的[2,0,1]确实有(3,)的形状，广播时不会延长

2. 而1: 意味着您首先对数组进行切片然后 广播。在广播期间，只需将切片 : 视为每个 运行 处的 0d 标量的占位符。所以我们得到：

   shape([2,0,1]) = (3,)
   shape([:]) = () -> (1,) -> (3,)
   

   所以它是 [:] 概念上扩展 形状 (3,)，像这样：

   x[[1,1,1], [2,0,1]] =
   [6 4 5]
   x[[2,2,2], [2,0,1]] =
   [10 8 9]
   

   最后，我们需要将结果堆叠回去

   [[6 4 5]
    [10  8  9]]