布尔值作为索引的Python效果（a[a==0]=1）

我目前正在实现我在github上看到的一些代码

（）

这里的关注点如下：

def prepro(I):
   """ prepro 210x160x3 uint8 frame into 6400 (80x80) 1D 
   float vector """
   I = I[35:195] # crop
   I = I[::2,::2,0] # downsample by factor of 2
   I[I == 144] = 0 # erase background (background type 1)
   I[I == 109] = 0 # erase background (background type 2)
   I[I != 0] = 1 # everything else (paddles, ball) just set to 1
   return I.astype(np.float).ravel()

为了训练神经网络，作者正在对一幅图像进行预处理。我感到困惑的是：

I[I == 144] = 0 # erase background (background type 1)
I[I == 109] = 0 # erase background (background type 2)
I[I != 0] = 1 # everything else (paddles, ball) just set

我认为作者希望将列表中值为144（109，而不是0）的所有元素设置为特定值。但如果我是正确的，布尔值在python中只表示0或1。因此，将列表与整数进行比较将始终导致False，因此为0

这使得

I[I==x]I[0]：x是整数

那么为什么还要费心这么做呢

---

我在这里遗漏了什么？

NumPy数组有点不同；它们的用法类似于MATLAB中的用法

I==144

生成与

I

维度相同的逻辑数组，其中

I

中

144

的所有位置都是

true

，其他所有位置都是

false

（其他表达式也是如此。）

---

使用这样的逻辑数组进行索引意味着索引为

true

的所有位置都将受到赋值的影响。

NumPy数组有点不同；它们的用法类似于MATLAB中的用法

I==144

生成与

I

维度相同的逻辑数组，其中

I

中

144

的所有位置都是

true

，其他所有位置都是

false

（其他表达式也是如此。）

使用这种逻辑数组进行索引意味着索引为

true

的所有位置都将受到分配的影响