我创建了 2D 数组,并使用 2 个布尔索引数组进行了布尔索引。 第一个用于轴 0,下一个用于轴 1。
我期望像 Pandas 一样选择每个轴上的交叉 True 和 True 值。 但结果却不是。
我想知道下面的代码是如何工作的。 我想从官方 numpy 网站获取描述这个问题的链接。
提前致谢。
a = np.arange(9).reshape(3,3)
a
----------------------------
array([[0, 1, 2],
[3, 4, 5],
[6, 7, 8]])
a[ [True, False, True], [True, False, True] ]
--------------------------
array([0, 8])
我的期望是
[0, 6, 2, 8]
。
(我知道如何得到我期望的结果。)
In [20]: a = np.arange(9).reshape(3,3)
如果将列表传递给
ix_
,结果是 2 个可以使用的数组,用 broadcasting
来索引所需的块:
In [21]: np.ix_([True, False, True], [True, False, True] )
Out[21]:
(array([[0],
[2]]),
array([[0, 2]]))
In [22]: a[_]
Out[22]:
array([[0, 2],
[6, 8]])
这不是一维的,但很容易破解。
尝试创建等效的布尔数组不起作用:
In [23]: a[[[True], [False], [True]], [True, False, True]]
Traceback (most recent call last):
File "<ipython-input-23-26bc93cfc53a>", line 1, in <module>
a[[[True], [False], [True]], [True, False, True]]
IndexError: too many indices for array: array is 2-dimensional, but 3 were indexed
布尔索引必须是 1d 或与目标匹配的 nd,此处为 (3,3)。
In [26]: np.array([True, False, True])[:,None]& np.array([True, False, True])
Out[26]:
array([[ True, False, True],
[False, False, False],
[ True, False, True]])
你想要的是连续的切片:
a[[True, False, True]][:,[True, False, True]]
a = np.arange(9).reshape(3,3)
x = [True, False, True]
y = [True, False, True]
a[x][:,y]
a[[True, False, True]][:,[True, False, True]].flatten(order='F')
输出:
array([0, 6, 2, 8])
注意。这需要数组进行切片
a = np.arange(9).reshape(3,3)
x = np.array([False, False, True])
y = np.array([True, False, True])
a.T[x&y[:,None]]
输出:
array([0, 6, 2, 8])
这是我试图解释的...假设 2 个布尔数组用于 2 个轴,b1 和 b2,即 x[b1,b2]。
NumPy 似乎会从 b1 和 b2 构造 (True, True) 对,一个来自 b1,另一个来自 b2。它记录b1中的哪个索引和b2中的哪个索引形成(True, True)对。这一直持续到所有(True,True)对都已形成。然后使用索引对从 x[ : , : ] 中提取元素。
如果存在不匹配的 (True, ?) 或 (?, True) 对,则会产生 IndexError。
例如,b1 有 [True, False, True, False],b2 有 [True, True, False, False]。对 x[b1,b2] 的引用将导致以下结果:
x[b1,b2] 与 [ x[0,0] x[2,1] ] 相同。