当is：等价于Numpy中的索引的完全向量时？

Question

最近我遇到了一些我不太懂的裸体运动。练习使用三维阵列中的一些随机样本数据：

import numpy as np

alpha = np.full(2000, .1)
beta = np.full(100, .1)

wordsInTopic = np.random.dirichlet(alpha, 100)

produced = np.zeros((50, 100, 2000))

for doc in range(0, 50):

    topicsInDoc = np.random.dirichlet(beta)
    wordsToTopic = np.random.multinomial(2000, topicsInDoc)

    for topic in range(0, 100):
        produced[doc, topic] = np.random.multinomial(wordsToTopic[topic], wordsInTopic[topic])

例如，如预期的那样，以下是等效的：

print(produced[:, np.arange(0, 100, 1), :].shape)
print(produced[:, :, :].shape)

但以下情况并非如此：

print(produced[:, np.arange(0, 100, 1), produced.sum(0).argmax(1)].shape)
print(produced[:, :, produced.sum(0).argmax(1)].shape)

有人能解释一下这是怎么回事吗？你知道吗

Answer 1

简而言之，:本质上说是“选择这个轴上的所有内容”，而传递一个索引列表说是“从这个轴上选择给定的索引”。你知道吗

当您只有一个索引列表时，这两个索引可以是等价的。使用小的2D矩阵更容易看到：

>>> X = np.random.randint(0, 10, size=(3, 3))
>>> X
array([[2, 4, 8],
       [0, 6, 9],
       [4, 2, 5]])
>>> X[:, :]
array([[2, 4, 8],
       [0, 6, 9],
       [4, 2, 5]])
>>> X[:, [0, 1, 2]]
array([[2, 4, 8],
       [0, 6, 9],
       [4, 2, 5]])

所以说得通。现在，当您使用两个索引列表时，numpy的语义表示这些索引是成对匹配的（或者更一般地说，它们一起广播）。考虑以下几点：

>>> X[[0, 1, 2], [0, 1, 2]]
array([2, 6, 5])

它返回(0, 0)元素、(1, 1)元素和(2, 2)元素。这种索引（传递索引列表的地方）被称为花哨的索引，功能非常强大。您可以阅读更多关于花式索引的内容，并看到一些示例，here（完全公开：这是我自己网站的链接）。你知道吗