不可广播的输出操作数 numpy 2D 转换为 3D答案

【问题标题】：non-broadcastable output operand numpy 2D cast into 3D不可广播的输出操作数 numpy 2D 转换为 3D
【发布时间】：2012-11-25 02:27:13
【问题描述】：

在 NumPy 中，

    foo = np.array([[i+10*j for i in range(10)] for j in range(3)])
    array([[ 0,  1,  2,  3,  4,  5,  6,  7,  8,  9],
           [10, 11, 12, 13, 14, 15, 16, 17, 18, 19],
           [20, 21, 22, 23, 24, 25, 26, 27, 28, 29]])
    filter = np.nonzero(foo > 100)#nothing matches

    foo[:,filter]
    array([], shape=(3, 2, 0), dtype=int64)

    foo[:,0:0]
    array([], shape=(3, 0), dtype=int64)

filter2 = np.nonzero(np.sum(foo,axis=0) < 47)
foo[:,filter2]
array([[[ 0,  1,  2,  3,  4,  5]],

       [[10, 11, 12, 13, 14, 15]],

       [[20, 21, 22, 23, 24, 25]]])
foo[:,filter2].shape
(3, 1, 6)

我有一个“过滤器”条件，我想对所有匹配列的所有行执行操作，但如果过滤器是一个空数组，我的 foo[:,filter] 会以某种方式被广播到一个 3D 数组中。另一个例子是 filter2 -> 再次，当我期待 foo[:,(np.sum(foo,axis=0) 的结果时， foo[:,filter2] 给了我一个 3D 数组

有人可以解释一下 np.nonzero 的正确用例与使用布尔值查找正确的列/索引相比吗？

【问题讨论】：

标签： python numpy

【解决方案1】：

首先，foo[filter] == foo[filter.nonzero()]filter 是一个布尔数组。

要了解为什么您会得到意想不到的结果，您必须了解一下 python 如何进行索引。要在 python 中进行多维索引，您可以使用[] 中的索引，用逗号分隔或使用元组。所以foo[1, 2, 3] 与foo[(1, 2, 3)] 相同。考虑到这一点，看看当您执行foo[:, something] 时会发生什么。我相信在您的示例中，您试图获得foo[:, something[0], something[1]]，但您却获得了foo[(slice[None], (something[0], something[1]))]。

这有点学术，因为如果您只是使用filter 进行索引，您可能不需要使用非零值，只需使用布尔数组作为索引，但如果需要，您可以执行类似的操作：

foo[:, filter[0]]

# OR
index = (slice(None),) + filter.nonzero()
foo[index]

【讨论】：