多维索引切片后数组的维度答案

【问题标题】：Dimensions of array after multidimensional index slicing多维索引切片后数组的维度
【发布时间】：2019-05-09 09:02:06
【问题描述】：

我想使用索引切片沿 2 个轴对多维 numpy 数组（>2 维）进行切片。每个原始维度的最终位置的规则是什么？

为了说明我的问题，让我举个例子。假设我们有一个 4D 数组：

import numpy as np

a = np.arange(2*3*4*5).reshape(2,3,4,5)

我将使用 numpy.where 创建一个索引元组，用于沿轴 1 和 3 切片：

mask = np.where(np.random.rand(3,5) > 0.5)

这将从我的数组a 中挑选出随机切片。假设它返回长度为 7 的元组。为了保留剩余的尺寸，我将使用slice(None) 对象：

b = a[(slice(None), mask[0], slice(None), mask[1])]

这改变了形状：

>>> a.shape
(2, 3, 4, 5)
>>> b.shape
(7, 2, 4)

未触及的轴（即使用slice(None) 对象切片）似乎已被保留，而切片的轴被破坏并且生成的轴被移动到前面。

但是，情况并非总是如此。当我对轴 1 和轴 2 应用蒙版时：

mask2 = np.where(np.random.rand(3,4) > 0.5)
c = a[(slice(None), mask[0], mask[1], slice(None))]

我观察到以下情况（numpy.where 再次返回了长度为 7 的元组）：

>>> c.shape
(2, 7, 5)

已经被切片破坏的轴产生的轴这次没有移动到前面。

我的猜测是与切片轴是否相邻有关，但我想知道这种行为是从什么规则出现的。

【问题讨论】：

在混合切片（基本索引）和掩码（高级索引）时有一个记录在案的复杂性。切片尺寸可以移动到末尾
Afaik 使用布尔掩码作为索引不称为“切片”，而是高级索引。切片是指选择某种时间范围，比如4:7 或slice(4, 7)。切片应该保留数组的维度，而高级索引很可能会减少它们。
您可能会发现我的回答很有帮助：stackoverflow.com/questions/10921893/…。

【解决方案1】：

如果将 where 掩码应用于二维数组，则您的 where 掩码将生成一维 (7,) 形状数组，条件为真的值。您将其表述为“摧毁”一对轴。

在第二种情况下，7 可以放在2 和5 之间。

但首先它是模棱两可的，因为中间的切片（非邻接） - 后备规则是将它放在第一位，然后对切片进行排序。换句话说，它不会尝试在 (2,7,4) 和 (2,4,7) 顺序之间进行选择，而是选择 (7,2,4)。

这种情况下的歧义是明确的，默认是合理的。通过标量索引消除一个或多个维度会更复杂。

【讨论】：