Numpy 高级索引和基本索引

Question

我正在尝试了解this article 的特定部分。

高级索引的定义意味着x[(1,2,3),] 与x[(1,2,3)] 根本不同。后者相当于x[1,2,3]，它将触发基本选择，而前者将触发高级索引。请务必了解发生这种情况的原因。

我已经尝试过以下代码。

>>> import numpy as np 
>>> a = np.arange(50).reshape(5,10)    
>>> b = a[(2,2)]    
>>> bb = a[(2,2),]    
>>> a[2,2] = 50 # a[2,2] was 22 in the first place 
>>> b
22  # this outcome confuses me!

我认为b = a[(2,2)] 会获得视图，所以当我更改a[2,2] 时会这样做。

bb = a[(2,2),] 会收到副本，所以即使我在 a 上做某事也不会发生任何事情。

但是当我将 a[2,2] 从 22 更改为 50 时

我期望 b = a[(2,2)] 将更改为 50 a 而bb = a[(2,2),] 将保持不变。

这一切有什么问题？我是否误解或遗漏了重要的东西？

如果是，请指正并提前感谢！

Answer 1

“基本选择”（即索引而不是切片）不会创建视图，而是创建副本。为了成为一个视图，您需要传递一个单元素切片（切片与索引不同，始终是一个视图）。

import numpy as np 
a = np.arange(50).reshape(5,10)    
b = a[2:3,2:3].squeeze()    
a[2,2] = 50 
b

array(50)

您也可以使用b = a[2, 2, None].squeeze() 获得相同的结果，它会触发“花式”索引”，这是选择和切片之间的一种混合并重新生成视图。使用“高级”索引（就像您所做的那样，或者如b = a[[2],[2]]) 是索引的变体，并返回一个副本。

是的，保持这些不同类型的索引对初学者来说并不容易。并且创建一个元素的视图仍然是一种 hacky。在大多数情况下，像 array(50) 这样的 0-dim 数组可以像普通的 int 一样使用。

为了更令人困惑，a[2,2] 在等号左侧被解释为视图，而不是在右侧。它与= 被解释为.__setitem__() 有关。