Python NumPy：使用切片索引与列表分配给矩阵

给定下面的代码，我希望最后两行的行为相同，但实际情况并非如此

import numpy as np

C = np.matrix(np.zeros((4,4)))
C[0, 0:2] = np.matrix([[1, 2]]) # Works as expected.
C[0, [0,1]] = np.matrix([[1, 2]]) # Throws an "array is not broadcastable to correct shape" error.

当改用

ndarray

时，一切正常（将赋值的右侧调整为一维

ndarray

）：

更奇怪的是，如果只为矩阵

C

编制索引（而不是分配给它），那么使用切片索引或列表似乎只会返回相同的结果：

C[0, 0:2] # => matrix([[ 1.,  2.]])
C[0, [0, 1]] # => matrix([[ 1.,  2.]])

问题是，为什么这两种方法在作业中的行为不同？我错过了什么

---

（编辑：打字错误）

这似乎是numpy中的一个错误：。解决方案是分配一个普通的列表或numpy数组，而不是给选定的元素分配一个矩阵。

Edit：必须意识到，虽然我写的是真的，但是

D[0,0:2]=…

与

D[0，[0,1]=…

（因此对于数组）不同的事实可能是一个真正的不一致（并且是相关的）

也许我能解释一下为什么会这样。选中此项：

D[0,[0,1]] = np.array([[1,2]])

给出了相同的错误。问题是，在内部，切片操作发生在矩阵形状再次“固定”为2D之前，这是因为

matrix

是一个子类，因此在创建新视图时会发生，但在这里没有视图被创建，因为它通常是不必要的

这意味着，当您像这样设置元素时，其行为始终类似于：

C.A[0,[0,1]] = matrix([[1,2]])  # Note the C.A giving normal array view of C.

它失败了，因为矩阵是2D，但C.A[0，[0,1]]是1D（因为矩阵对象并没有将其“固定”为至少2D），在这种情况下，可以说，因为它只是从右侧numpy移除一个一维轴，可能可以容忍它，但只要不这样做，它就需要矩阵对象生成一个完整的自定义就地/赋值操作符集，这可能不是很简单

---

但是，也许使用

C.A

等可以帮助避免这种不便。但是，总的来说，在numpy中，最好始终使用基类数组，除非您要执行大量矩阵乘法等操作（在这种情况下，如果它仅限于程序的一部分，则最好只将数组视为它前面的矩阵，而在其余部分使用数组）

D[0,0,1]=np.array（[[1,2]]）

失败，因为切片二维

ndarray

会得到一个一维

ndarray

（在本例中），右侧是二维。当然，但实际上是1

D[0,0:1]=np.array（[[1,2]]）

的工作原理是，切片允许更多的索引。问题是，矩阵也是如此。对于这个赋值本身，它不是二维的。请注意

C[0[0,1][…]=np.array（[[1,2]]）

是有效的，因为在赋值之前矩阵是固定在二维的（我知道它已经不存在了，毫无意义，但它证明了这一点）。

矩阵

有一个自定义的

\uu getitem\uuuuuuu

来处理（大部分）这一点。但这是

\uuuu setitem\uuuuuu

，其行为与数组完全相同。

C.A[0,[0,1]] = matrix([[1,2]])  # Note the C.A giving normal array view of C.