numpy 索引不保持形状答案

【问题标题】：numpy indexing doesn't keep shapenumpy 索引不保持形状
【发布时间】：2021-04-04 19:16:09
【问题描述】：

跑步

import numpy as np

a1 = np.arange(1, 5)
a2 = np.arange(2, 6)
a = np.array([a1, a2])
a[a <= 3]

结果

array([1, 2, 3, 2, 3])

相反，我想得到

np.array([[1, 2, 3], [2, 3]])

我应该如何更新上面的代码？我尝试了不同的切片，take、take_along_axis 无济于事。

PS：请注意，以上被认为是一个参差不齐的序列

可见弃用警告：从参差不齐的嵌套序列创建一个 ndarray（这是一个列表或元组的列表或元组或具有不同长度的 ndarray 或形状）已弃用。如果您打算这样做，则必须指定创建 ndarray 时的 'dtype=object' np.array([[1, 2, 3], [2, 3]])

【问题讨论】：

为什么要创建一个形状不明确的ndarray？您想从a 获得什么信息？
您无法通过索引生成参差不齐的序列。你能做的最好的就是逐行迭代。
@Moosefeather 我想使用生成的 ndarray 来索引另一个 ndarray aka。 b[a]=1.0（这也可能不起作用...）
@gliptak 也许你想要的是np.where？
arr[bool_array] 总是生成一维数组。如果不清楚，您需要重新阅读基本的 numpy 索引文档。 numpy.org/doc/stable/reference/…。并且试图得到一个参差不齐的数组是一个强有力的指标，表明整个数组，无循环，计算是不可能的。

标签： python numpy numpy-ndarray numpy-slicing

【解决方案1】：

使用 python list 存储生成的 numpy 数组。正如您已经遇到的，numpy 数组不支持不规则形状。

>>> import numpy as np
>>> a1 = np.arange(1, 5)
>>> a2 = np.arange(2, 6)
>>> a = np.array([a1, a2])
>>> inds = a <= 3
>>> inds
array([[ True,  True,  True, False],
       [ True,  True, False, False]])
>>> l = [a[i][inds[i]] for i in range(a.shape[0])]
>>> l
[array([1, 2, 3]), array([2, 3])]

【讨论】：

我宁愿避免每行处理 PS 即使常规形状也不起作用 import numpy as np a1 = np.arange(1, 5) a2 = np.arange(1, 5) a = np .array([a1, a2]) a[a
正如@hpaulj 在 cmets 中指出的那样，通过布尔数组索引数组无论如何都只会选择元素（在布尔值的真实位置）以形成最终的一维数组。只要您有一个常规数组a，即所有a1、a2 等具有相同的长度，行处理就可以工作。

【解决方案2】：

您可以为此目的使用 numpy 的 masked arrays。

import numpy as np
import numpy.ma as ma

a1 = np.arange(1, 5)
a2 = np.arange(2, 6)
a = np.array([a1, a2])
a_masked = ma.masked_greater(a, 3)

masked_greater 函数返回一个新数组，其中所有大于 3 的值都被屏蔽掉。

请注意

numpy.ma 模块为 numpy 提供了几乎类似工作的替代品支持带掩码的数据数组。

因此，如果您将屏蔽数组传递给 ma 模块的函数，它将仅对未屏蔽的数组元素进行操作。

【讨论】：

是的，我也尝试过屏蔽数组。我会检查它们是否用于“下游”处理

【解决方案3】：

如果你想构造一个元素为列表的一维数组，运行：

a = np.array([[1, 2, 3], [2, 3]], dtype="object")
assert a.shape == (2,)

如果你想构造一个二维数组，那么a1 和a2 的长度必须相等，但在你的示例中并非如此。

【讨论】：