意外的行为numpy数组索引编制

Question

当以某种出乎意料的方式执行特定切片时，numpy数组的形状正在改变

我尝试了将同一阵列切成薄片的几种方法，但是细微的差异会导致阵列形状的结果不同

import numpy as np
z = np.zeros((1,9,10,2))

# This makes sense
print(z[...,[1,0]].shape)
# (1, 9, 10, 2)
print(z[0,...].shape)
# (9, 10, 2)
print(z[0:1,...,[1,0]].shape)
# (1, 9, 10, 2)
print(z[0][...,[1,0]].shape)
# (9, 10, 2)

# This doesn't, I would expect (9, 10, 2) in both cases
print(z[0,:,:,[1,0]].shape)
# (2, 9, 10)
print(z[0,...,[1,0]].shape)
# (2, 9, 10)

在最后两个示例中，我不明白为什么最后一个轴移动到第一个位置。

我使用Python 3.6.4与numpy 1.15.1

Answer 1

在最后两种情况下可能会发现结果出乎意料的原因是，即使您也使用切片进行索引，但数组的索引仍遵循高级索引的规则。

有关此行为的详细说明，您可以检查结合使用高级索引编制和基本索引编制。在这些最后的情况下，您将得到意想不到的结果形状。在文档中，您将看到上述情况之一，其中我们可能会获得意外的结果：

• 高级索引由切片，省略号或新轴分隔。例如x[arr1, :, arr2]。

在您的情况下，尽管您仅使用整数沿第一个轴进行索引，但是它会广播，并且两个数组都将被迭代为一个。在这种情况下，由高级索引操作产生的尺寸首先位于结果数组中，然后是切片的尺寸。

关键是要了解文档中提到的内容， 就像将每个高级index元素的索引结果串联起来一样 。

因此，从本质上讲，它的作用与以下操作相同：

z = np.random.random((1,9,10,2))
a = np.concatenate([z[0,:,:,[1]], z[0,:,:,[0]]], axis=0)

与上次索引操作相同：

b = z[0,:,:,[1,0]]
np.allclose(a,b)
# True

这种行为背后的原因是什么？

要记住的一般规则是：

数组索引引入的结果轴位于最前面，除非它们是连续的。

因此，由于此处的索引数组不是连续的，因此使用它们的结果轴将位于前面，而切片的尺寸将位于后面。

尽管使用一维数组建立索引似乎很奇怪，但是要考虑到也可以使用任意数量的维进行索引。假设我们在第一个和最后一个轴上使用3d数组索引相同的示例数组，两个数组都表示形状为（3,4,2）。因此，我们知道最终数组在某处也将具有形状（3,4,2），因为两个索引数组都广播为相同形状。现在的问题是，应将索引数组之间的完整切片放在哪里？

考虑到不再应该将其放在中间，在这些情况下有一个约定，即切成薄片的尺寸排在最后。因此，在这种情况下，重新排列数组的尺寸以匹配我们的预期输出将是我们的任务。在上面的示例中，我们可以做的是交换最后两个轴，并使用swapaxes获得的结果按预期的方式获得尺寸。