Python NumPy索引：使用布尔数组进行广播

与之相关的是，我通过布尔数组和广播遇到了一种索引行为，我不理解这种行为。我们知道可以使用整数索引和广播在二维中索引NumPy数组。这在以下文件中有详细说明：

但是，这对于布尔数组不起作用

a[b1[:, None], b2]

IndexError: too many indices for array

另一种方法适用于整数数组和布尔数组。这似乎是因为

ix

对布尔数组执行特定的操作，以确保一致的处理

assert np.array_equal(a[np.ix_(b1, b2)], a[np.ix_(c1, c2)])

array([[ 4,  6],
       [ 8, 10]])

所以我的问题是：为什么广播工作于整数，而不是布尔数组？这种行为有记录吗？还是我误解了一个更基本的问题？

因为，布尔高级索引的行为就好像它们首先通过

np.非零

输入，然后一起广播一样。引用这些文件

通常，如果索引包含布尔数组，则结果将与将

obj.nonzero（）

插入相同位置并使用上述整数数组索引机制相同

x[ind\u 1，boolean\u array，ind\u 2]

相当于

x[（ind\u 1，）+boolean\u array.nonzero（）+（ind\u 2，）]

[…]
将多个布尔索引数组或布尔值与整数索引数组组合在一起，最好用

obj.nonzero（）

类比来理解。函数

ix_uz

也支持布尔数组，可以正常工作

在您的例子中，广播不一定是一个问题，因为两个数组都只有两个非零元素。问题在于结果中的维度数：

>>> len(b1[:,None].nonzero())
2
>>> len(b2.nonzero())
1

因此，索引表达式

a[b1[：，None]，b2]

将等效于

a[b1[：，None].nonzero（）+b2.nonzero（）]

，这将在

a

中放置一个长度为3的元组，对应于三维数组索引。因此，您会看到关于“索引过多”的错误

文档中提到的惊喜与您的示例非常接近：如果您没有注入单例维度呢？从长度为3和长度为4的布尔数组开始，您将得到长度为2的高级索引，即大小为

（2，）

的1d数组。这绝对不是你想要的，这让我们想到了另一件琐事

在计划改进高级索引方面进行了大量讨论，请参见“正在进行的工作”草稿。问题的要点是，numpy中的奇特索引虽然有明确的文档记录，但有一些非常奇怪的功能，这些功能实际上对任何事情都没有用处，但是如果你犯了错误，产生了令人惊讶的结果而不是错误，这些功能会对你造成伤害

NEP的相关引用：

涉及多个数组索引的混合情况也令人惊讶，而且 问题更少，因为当前行为是如此无用，以至于 在实践中很少遇到这种情况。当布尔数组索引为 与另一个布尔或整数数组混合，布尔数组为 转换为整数数组索引（相当于

np.nonzero（）

）和 然后广播。例如，索引大小为

（2，2）

的二维数组，如

x[[True，False]，[True，False]]

生成具有形状的一维向量

（1，）

， 不是具有形状

（1，1）

的二维子矩阵

现在，我要强调的是，NEP正在进行大量的工作，但NEP当前状态下的一个建议是禁止在上述高级索引情况下使用布尔数组，并且只允许在“外部索引”情况下使用它们，即

np.ix

将帮助您使用布尔数组：

布尔索引在概念上是外部索引。以传统索引方式（即当前行为）与其他高级索引一起广播通常没有帮助或定义不明确。因此，希望“非零”加广播行为的用户可以手动执行此操作

---

我的观点是，布尔高级索引的行为及其弃用状态（或缺少）在不久的将来可能会发生变化。

AFAIK在内部，这些布尔数组在用于索引之前会转换为整数等价数组：

np.flatnonzero（ar）

。因此，

np.flatnonzero（b1[：，np.newaxis]）

不会等同于

np.flatnonzero（b1[：，None]

。我认为更多的是

np.nonzero（b1[：，None]）

和

np.nonzero（b2）

不能相互广播w.r.t.其各自元组的每个元素，而不是直接输入整数数组，用于索引可通过

np.ix（c1，c2）

广播。感谢接受，但@Divakar是回答您实际问题的人，我真的只是想增加额外的视角。我不愿意相信他的功劳，如果你不接受我的回答，我会更舒服。@AndrasDeak认为谁回答这个问题并不重要，只要它回答的问题令OP满意。如果是这样，我会鼓励OP接受。@Divakar我一直努力做到公平。在这种情况下，谢谢，我将使用您的解决方案进行编辑，使其成为一个完整的答案（下次等待，直到您自己发布答案；）

>>> len(b1[:,None].nonzero())
2
>>> len(b2.nonzero())
1