显然,该条的解释存在一定的歧义[[1, 0]]
指数。可能这里讨论的是同样的事情:
在 numpy 中传递列表而不是元组时的高级切片
我会尝试一个不同的数组,看看它是否能让事情变得清晰
In [312]: D2=np.array([[0,0],[1,1],[2,2]])
In [313]: D2
Out[313]:
array([[0, 0],
[1, 1],
[2, 2]])
In [316]: D2[[[1,0,0]]]
Out[316]:
array([[1, 1],
[0, 0],
[0, 0]])
In [317]: _.shape
Out[317]: (3, 2)
Use of :
or ...
或者将索引列表设为数组,都将其视为 (1,3) 索引,并相应扩展结果的维度
In [318]: D2[[[1,0,0]],:]
Out[318]:
array([[[1, 1],
[0, 0],
[0, 0]]])
In [319]: _.shape
Out[319]: (1, 3, 2)
In [320]: D2[np.array([[1,0,0]])]
Out[320]:
array([[[1, 1],
[0, 0],
[0, 0]]])
In [321]: _.shape
Out[321]: (1, 3, 2)
请注意,如果我将转置应用于索引数组,我会得到 (3,1,2) 结果
In [323]: D2[np.array([[1,0,0]]).T,:]
...
In [324]: _.shape
Out[324]: (3, 1, 2)
Without :
or ...
,它似乎剥去了一层[]
在将其应用到第一个轴之前:
In [330]: D2[[1,0,0]].shape
Out[330]: (3, 2)
In [331]: D2[[[1,0,0]]].shape
Out[331]: (3, 2)
In [333]: D2[[[[1,0,0]]]].shape
Out[333]: (1, 3, 2)
In [334]: D2[[[[[1,0,0]]]]].shape
Out[334]: (1, 1, 3, 2)
In [335]: D2[np.array([[[[1,0,0]]]])].shape
Out[335]: (1, 1, 1, 3, 2)
我认为这里存在向后兼容性问题。我们知道元组层是“冗余的”:D2[(1,2)]
是相同的D2[1,2]
。但为了兼容早期版本numpy
(numeric
)首先[]
层可以以相同的方式处理。
在 11 月的问题中,我指出:
因此,在顶层,列表和元组被视为相同 - 如果列表不能解释为高级索引列表。
添加一个...
是另一种分离的方式D2[[[0,1]]]
from D2[([0,1],)]
.
From @eric/s
拉取请求seburg
解释
元组标准化是一件相当小的事情(它基本上检查长度
[[1,2]]
是一个带有列表的 1 元素列表,因此它被视为一个元组,即([1,2],)
. [[1,2]],...
已经是一个元组了。