为什么花哨的索引与 numpy 中的切片不同？答案

【问题标题】：Why fancy indexing is not same as slicing in numpy?为什么花哨的索引与 numpy 中的切片不同？
【发布时间】：2021-04-17 04:33:55
【问题描述】：

我一直在学习花式索引，但是当我观察到以下代码的行为时，我有几个问题......

据我了解，
Fancy Indexing 是：

ndArray[ [0,1,2] ] 即传递行/列列表

和

切片是：
ndArray[ 0:3 ] 即给出一系列行/列

现在，问题来了

一个numpy数组，

arr = [ [1,2,3],
        [4,5,6],
        [7,8,9] ]

当我尝试花式索引时：

arr[ [0,1], [1,2] ]
>>> [2, 6]

当切片时，

arr[:2, 1:]
>>> [ [2, 3],
      [5, 6] ]

本质上它们都应该返回二维数组，因为它们的含义相同，因为它们可以互换使用！

:2 should be equivalent to [0,1]           #For rows
1: should be equivalent to [1,2]           #For cols

问题：为什么花式索引不作为切片符号返回？以及如何实现？

请赐教。谢谢

【问题讨论】：

我不明白你为什么期望同样的结果。 arr[ [0,1], [1,2] ] 返回一个包含两个元素的列表：第 0 行第 1 列的第一个元素和第 1 行和第 2 列的第二个元素。arr[:2, 1:] 返回包含第 0-1 行和第 1-2 列的二维子数组。这是预期的，并且记录的行为：numpy.org/doc/stable/reference/arrays.indexing.html
@ThomasSablik 但是当我做 arr[ [0,1] ] ~ 只传递行列表意味着与 arr[:2] 相同，所以当与列结合时它应该返回相同！跨度>
2 ** 2 和 2 * 2 和 2 + 2 返回相同的结果。这是否意味着运营商**、* 和+ 总是这样做？您发现了一种特殊情况，其中精美的索引和切片返回相同的结果，但通常它们的行为不同。编程中最重要的规则之一是：不要期望任何东西。阅读文档。
索引一维时，1:4 和 [1,2,3] 选择相同的东西。但在 2d 中，一对列表与切片不同。阅读完整的 numpy 索引文档。
@ThomasSablik，我对您的解释感到满意，但问题是当我们“切片”时，我们受限于顺序访问行或列。我的意思是 arr[:3,2:] 将遵循 0,1,2 行和 2,3 列的顺序，并且无法从中进行评估。要以手动顺序访问，我们会执行一些称为“花式索引”的操作。但是作为它的行为，我们没有得到整组行，而是得到了它们相交的值。如果我想以 row = [0,2,1] 和 col = [1,0,2] 的方式访问并想要整行和整列怎么办？我很欣赏你的回答方式。

标签： python arrays numpy indexing

【解决方案1】：

花式索引和切片的行为不同定义 / numpy规范。

所以，与其质疑为什么会这样，不如：

能够识别/区分/区分它们（即，清楚地了解索引什么时候变成花哨的索引，什么时候切片）。
注意它们的语义（结果）差异。

在你的例子中：

在花式索引的情况下，为两个轴生成的索引“串联”组合（类似于zip 函数如何“串联”组合两个输入序列。（用官方@987654323的话来说@ 文档，两个索引数组“一起迭代”）。我们传递列表[0, 1] 用于索引轴0 上的数组，并传递列表[1, 2] 用于索引轴1 上的数组。索引数组[0, 1]中的索引0与索引数组[1, 2]的对应索引1组合仅。类似地，索引1索引数组[0, 1]的only与索引数组[1, 2]的对应索引2组合。换句话说，索引数组做不要以多对多的方式相互结合。所有这些都是关于花哨的索引。

在切片的情况下，为轴0 指定的切片:2 在概念上为轴0 生成索引“0”和“1”；为轴1 指定的切片1: 在概念上为轴1 生成索引1 和2。但是这些生成的索引以 多对多 的方式组合，这与花式索引不同。因此，它们产生了四种组合，而不仅仅是两种。

因此，花式索引和切片的定义语义的关键区别在于，在花式索引的情况下，花式索引数组一起迭代。

【讨论】：