给定的numpy代码发生了什么？我对最后一行print()语句感到困惑

Question

print()语句会打印数组X的行吗？

import numpy as np
X = np.arange(12).reshape((3, 4))
row = np.array([0, 1, 2])
mask = np.array([1, 0, 1, 0], dtype=bool)
print(X[row[:, np.newaxis], mask])

X = [[0, 1, 2, 3],
     [4, 5, 6, 7],
     [8, 9, 10, 11]]

row = [0, 1, 2]
mask = [True, False, True, False]

在添加一个新轴后，数组的行变成了一个二维数组。这个行的形状是(3,1)

row = [[0],
       [1],
       [2]]

在print()之后，结果是什么样的？怎么回事？

  [[0, 2],
   [4, 6],
   [8, 10]]

Answer 1

为了理解给出的Python代码及其生成的输出，我们一步一步来分析，重点关注几个关键部分：NumPy数组、索引和形状的操作，以便进行高级选择。

1. 创建NumPy数组

代码首先创建了一个名为X的二维NumPy数组：

X = np.arange(12).reshape((3, 4))

• np.arange(12)生成了一个包含从0到11的数字的一维数组。
• .reshape((3, 4))将这个数组重新调整为一个有3行4列的二维数组：

[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]]

2. 索引数组

接下来定义了两个额外的数组：

• row = np.array([0, 1, 2]) 指定了行的索引。
• mask = np.array([1, 0, 1, 0], dtype=bool) 是一个布尔掩码，用于选择列。

由于True对应1，False对应0，所以它实际上变成了[True, False, True, False]，这意味着它会选择第一和第三列，而跳过第二和第四列。

3. 添加新轴

• row[:, np.newaxis] 将row从一维数组（[0, 1, 2]）转换为二维数组，方法是添加一个新轴：

[[0], [1], [2]]

这种形状的变化对下一步非常重要。

4. 高级索引

表达式X[row[:, np.newaxis], mask]对X进行高级索引：

• row[:, np.newaxis] 指示要选择哪些行，它的二维形状允许广播。
• mask根据布尔值选择列。

由于row已经被调整为二维数组，而mask是一个一维布尔数组，NumPy会对它们进行广播，以便逐元素选择。这意味着对于row中指定的每一行，它会选择mask为True的元素。

5. 结果解释

最终输出是：

[[ 0, 2], [ 4, 6], [ 8, 10]]

结果是这样得出的：

• 对于第一行[0, 1, 2, 3]，应用掩码[True, False, True, False]得到[0, 2]。
• 对于第二行[4, 5, 6, 7]，同样的掩码得到[4, 6]。
• 对于第三行[8, 9, 10, 11]，掩码再次得到[8, 10]。

因此，这个操作从第一行选择了元素[0, 2]，从第二行选择了[4, 6]，从第三行选择了[8, 10]，与指定的行索引和列掩码相符。这展示了NumPy高级索引功能的强大，能够通过广播和布尔掩码进行复杂的选择。