numpy抛出异常的逻辑索引

我正在尝试编写一些使用逻辑numpy数组来索引更大数组的代码,类似于MATLAB允许使用逻辑数组进行数组索引的代码.

import numpy as np
m = 4
n = 4
unCov = np.random.randint(10, size = (m,n) )
rowCov = np.zeros( m, dtype = bool )
colCov = np.ones( n, dtype = bool )
>>> unCov[rowCov, rowCov] 
[]  # as expected
>>> unCov[colCov, colCov]
[0 8 3 3]  # diagonal values of unCov, as expected
>>> unCov[rowCov, colCov]
ValueError: shape mismatch: objects cannot be broadcast to a single shape

对于最后的评估,我期望一个空数组,类似于MATLAB返回的数组.我不想在索引之前检查rowCov/colCov for True元素.为什么会这样,有没有更好的方法呢？

根据我的理解,numpy会将你的2d逻辑索引转换为实际的索引向量:arr[[True,False],[False,True]]将成为arr[0,1]一个ndarray形状(2,2).但是,在最后一种情况下,第二个索引数组已满False,因此它对应于长度为0的索引数组.这与另一个完整True索引向量配对,对应于长度为4的索引数组.

从该numpy的手册:

如果索引数组的形状不同,则尝试将它们广播为相同的形状.如果它们无法广播到相同的形状,则会引发异常:

在您的情况下,错误正是由于这个原因:

---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
 in ()
----> 1 unCov[colCov,rowCov]

IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (4,) (0,)

另一方面,如果索引数组沿任何给定维度为空,则MATLAB会自动返回一个空数组.

这实际上突出了MATLAB中的逻辑索引与numpy之间的根本区别.在MATLAB中,下标索引中的向量总是切出一个子数组.就是这两个

arr([1,2],[1,2])

和

arr([true,true],[true,true])

将返回2 x 2矩阵的子矩阵arr.如果逻辑索引向量短于数组的给定维度,则假定缺少索引元素false.有趣的事实:索引向量也可以比给定的维度更长,只要多余的元素都是false.所以上面也相当于

arr([true,true,false,false],[true,true])

和

arr([true,true,false,false,false,false,false],[true,true])

对于4 x 4数组(为了参数).

然而,在numpy中,arrays以这种方式使用布尔值numpy 进行索引将尝试提取向量.此外,布尔索引向量应与它们索引的维度长度相同.在你的4 x 4例子中,

unCov[np.array([True,True]),np.array([True,True])]

和

unCov[np.array([True,True,False,False,False]),np.array([True,True,False,False,False])]

两者都返回两个第一对角元素,因此不是子矩阵而是向量.此外,他们还提出了不那么令人鼓舞的警告

/usr/bin/ipython:1: VisibleDeprecationWarning: boolean index did not match indexed array along dimension 0; dimension is 4 but corresponding boolean dimension is 5

因此,在numpy中,您的逻辑索引向量应该与相应的维度相同ndarray.然后我上面写的内容是正确的:逻辑值被转换为索引,结果预期是一个向量.这个向量的长度是True每个索引向量中元素的数量,所以如果你的布尔索引向量具有不同数量的True元素,那么引用没有意义,并且你得到了你得到的错误.