Python 为什么numpy.ndarray允许一个；无”；阵列？

我想知道

numpy.ndarray

的以下功能的基本原理是什么：

>>> a = None
>>> a = np.asarray(a)
array(None, dtype=object)

>>> type(a)
<class 'numpy.ndarray'>

>>> a == None
True

>>> a is None
False

与空数组（

array（[]，dtype=object）

）相比，使用“None数组”（

array（None，dtype=object）

）实际上有什么好处吗

这是预期的功能，还是

Nones

作为实际对象的意外后果？有人能解释一下引擎盖下面发生了什么，为什么

---

非常感谢

np.asarray（None）是一个具有形状

（）

的数组，它是一个，具有数据类型

对象的数组。如果你做
np.asarray（2）
或
np.asarray（'abc'）
，你会得到类似的结果。标量不能迭代，但可以与非NumPy值进行比较。同时，您可以使用它们执行NumPy操作，因此您可以执行以下操作：

list(np.asarray(None).reshape((1,)))

它是有效的

关于函数，如
argmin
或
argmax
。请注意，标量不是空的。形状为
（）
的数组有一个元素，但维度为零，而形状为
（0，）
的数组只有一个维度，没有元素。这可能是违反直觉的，但它是有意义的，也能让事情顺利进行。如文件所述，
argmin
和
argmax
，当未给出
轴
值时，在展平阵列上工作。标量的展平数组（例如，
np.asarray（None）.ravel（）
）是一个形状为
（1，）
的数组，由于您要求的是最小值或最大值的索引，而它只有一个值，因此在这两种情况下，答案都是
0
。有趣的是，如果您尝试
np.argmin（np.asarray（[None，None]））
它会失败，因为现在您有两个元素，您需要比较它们以知道哪一个是最小的，但您无法比较
None
值

我想知道numpy.ndarray的以下功能的基本原理是什么：

NumPy允许0维数组，它允许
object
dtype的数组。总之，这些事实意味着任何对象都可以被解释为一个0维数组，如
object
dtype，这就是
numpy.array
将如何解释它找不到其他解释方法的任何参数。这就是这里发生的事情

您拥有的是一个0维、1元素数组，其1元素为None

In [12]: x = numpy.array(None)
In [13]: x.shape
Out[13]: ()
In [14]: x.size
Out[14]: 1
In [15]: print(x.item())
None

因此，在本例中，Python似乎实际上创建了一个None数组（不是Nones数组）

不，这是一个非的数组。它是一个正好包含一个“无”的数组。您可以通过提供一个无索引的元组，或者通过调用
item（）
方法，或者通过一系列其他方式来访问None

In [15]: print(x.item())
None
In [16]: print(x[()])
None

既然不是上面列出的任何一个，为什么没有一个被认为是“类似数组”的呢

该清单并非详尽无遗

此外，有些函数似乎实际上返回了看似不正确的值。例如，np.ndarray.argmax（）或np.ndarray.argmin（）对于“无数组”实际返回0，但对于空数组会导致错误，这在直觉上似乎是预期的行为

>>> a
array(None, dtype=object)
>>> b
array([], dtype=object)
>>> a.argmax()
0
>>> b.argmax()
Traceback (most recent call last):
  File "<stdin>", line 1, in <module>
ValueError: attempt to get argmax of an empty sequence

如果未提供
axis
参数，
argmax
和
argmin
默认使用扁平形式的输入
0
是0维数组展开形式的唯一元素的索引

In [23]: y = x.ravel()
In [24]: y
Out[24]: array([None], dtype=object)
In [25]: y.argmin()
Out[25]: 0
In [26]: y.argmax()
Out[26]: 0
In [27]: print(y[0])
None

np.array（3）
也可以工作-也就是说，
np.array
也接受标量。在这种情况下，请注意
形状
和
数据类型
。至于哪些函数起作用，请注意3个可能的问题：
（）
形状、
对象
数据类型和
无
值。这很有意义，谢谢您的回答！但是，就
argmin
和
argmax
函数而言：如果我最终指定了axis参数（因此没有使用单个元素对展平数组执行操作），它仍然返回索引0，这似乎违反直觉，主要是因为指定axis表示维度（对吗？），而
数组（None，dtype=object）
或
数组（3，dtype=int）
如您所述具有形状
（）
，表示没有维度。@jolaem您是对的，将
argmin
/
argmax
与
轴=0
一起使用仍然可以使用标量，我认为这是一个错误，因为这个论点确实没有这样的轴心。使用任何其他axis值都会失败，因此我假设代码在某个点上处理类似的标量和1D数组。我想你也可以说这些函数根本不应该工作，因为标量根本不是数组。。。只有它们是
numpy.ndarray
对象，所以它们的行为确实比标量更像数组，我猜。谢谢你的回答！大部分是有意义的，但在
argmax
上有一个后续问题。如果我指定了
axis
参数，因此无法处理扁平数组，我仍然从
np.array（None）.argmax（axis=0）
中获取索引0，这似乎违反直觉，因为
np.array（None）
具有
（）
的形状，因此没有维度，而
axis
参数表示维度。这是为什么？@jolaem：可能是历史错误和向后兼容性。是的，看起来是这样，非常感谢你的解释！