Python 为什么ndarray允许浮点索引

我可以知道为什么ndarray允许浮点索引访问吗？这意味着什么

>>> wk1 = numpy.arange(10)
>>> wk1[1:2.8]
array([1])
>>> wk1 = [1,2,3,4,5,6,7,8,9,10]
>>> wk1[1:2.8]
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
TypeError: slice indices must be integers or None or have an __index__ method
>>>

wk1=numpy.arange（10） >>>wk1[1:2.8] 数组（[1]） >>>wk1=[1,2,3,4,5,6,7,8,9,10] >>>wk1[1:2.8] 回溯（最近一次呼叫最后一次）： 文件“”，第1行，在 TypeError:切片索引必须是整数或无，或具有_索引_方法 >>>

---

基本上，对于numpy数组，

int

对任何尚未为整数的输入进行调用。换句话说，它是四舍五入的<代码>1.999产生

1

等

e、 g

（请注意，这分别与

x[1]

和

x[2]

相同。）

这也适用于用作标记的列表或数组：

print x[[1.2, 3.4]]

---

我无法在源代码中找到它，但是查看文档，在这种情况下传递的是一个slice对象（），它看起来像是在numpy方面将输入转换为

int

。

这可能很有用，我想知道为什么其他类没有像numpy那样做

当我注意到这一点时，一个特别有用的时刻是，如果您的numpy数组是一个图像，并且您有一个用于鼠标单击的事件处理程序，它将

event.xdata

和

event.ydata

作为浮动，那么您仍然可以使用切片获得感兴趣的区域，而不必将它们转换为像素坐标。例如，假设您正在通过单击并拖动一个选择来裁剪图像或放大图像-图像中的鼠标位置通常位于亚像素坐标上，但图像以1:1的比例显示的特殊情况除外

作为旁注，非整数切片表示法（切片中的偶数复数）可用于其索引技巧类

r_

和

c_

，例如：

>>>np.r_[0:3:0.1]
array([ 0. ,  0.1,  0.2,  0.3,  0.4,  0.5,  0.6,  0.7,  0.8,  0.9,  1. ,
        1.1,  1.2,  1.3,  1.4,  1.5,  1.6,  1.7,  1.8,  1.9,  2. ,  2.1,
        2.2,  2.3,  2.4,  2.5,  2.6,  2.7,  2.8,  2.9])

>>>np.c_[-1:1:9j]
array([[-1.  ],
       [-0.75],
       [-0.5 ],
       [-0.25],
       [ 0.  ],
       [ 0.25],
       [ 0.5 ],
       [ 0.75],
       [ 1.  ]])

---

从版本1.12开始，不再允许在数据数组中使用浮点索引，并会引发错误

IndexError: only integers, slices (`:`), ellipsis (`...`),
    numpy.newaxis (`None`) and integer or boolean arrays are valid indices

使用浮动进行索引将提高索引器，例如[0，0.0]。（）

使用浮动进行索引将提高索引器，例如[0,0.0]。（）

---

（我的重点）

我同意，我也经常使用它，原因正是您所描述的。然而，python的口号是“显式优于隐式”，所以公平地说，这可能就是大多数其他python对象不这样做的原因。不管怎么说，它肯定很方便！这不管用了。看见

IndexError: only integers, slices (`:`), ellipsis (`...`),
    numpy.newaxis (`None`) and integer or boolean arrays are valid indices