numpy4d数组高级索引与examp

Question

我正在读一些深层次的学习代码。我对numpy数组的高级索引有问题。我正在测试的代码：

import numpy

x = numpy.arange(2 * 8 * 3 * 64).reshape((2, 8, 3, 64))
x.shape

p1 = numpy.arange(2)[:, None]
sd = numpy.ones(2 * 64, dtype=int).reshape((2, 64))
p4 = numpy.arange(128 // 2)[None, :]

y = x[p1, :, sd, p4]
y.shape

为什么y的形状是(2, 64, 8)？你知道吗

以下是上述代码的输出：

>>> x.shape
(2, 8, 3, 64)

>>> p1
array([[0], [1]])

>>> sd
array([[1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1],
       [1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1,
        1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1, 1]])

>>> p4
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, 30, 31,
        32, 33, 34, 35, 36, 37, 38, 39, 40, 41, 42, 43, 44, 45, 46, 47,
        48, 49, 50, 51, 52, 53, 54, 55, 56, 57, 58, 59, 60, 61, 62, 63]])

>>> y.shape
(2, 64, 8)

我读到：https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#advanced-indexing

我认为这与广播有关：

x形状是(2, 8, 3, 64)。你知道吗

p1很简单，它的array([[0], [1]]),意思就是选择第一维度的ind0, 1。双阵是用来广播的。你知道吗

p2是:，意思是选择第二维度中的所有8个元素。你知道吗

p3是一个棘手的问题，它包含两个“列表”从维度3的3个元素中选择一个，因此产生的新的第3维度应该是1。你知道吗

p4意味着它选择了第四维中的所有64个元素。你知道吗

所以我认为y.shape应该是(2, 8, 1, 64)。你知道吗

但正确的答案是(2, 64, 8)。为什么？你知道吗

Answer 1

当我第一次在numpy中遇到花哨的索引时，我也遇到了同样的问题。简单的回答是没有什么诀窍：花哨的索引只是将元素选择到与索引形状相同的输出中。使用纯粹的花哨索引，输出数组的形状将与广播的索引数组（described here）相同。输出的形状与输入的形状几乎没有任何关系，除非你也加入一个规则的切片索引（described here）。你的情况是后者，这增加了混乱。你知道吗

让我们看看你的指数，看看发生了什么：

y = x[p1, :, sd, p4]
x.shape -> 2, 8, 3, 64
p1.shape -> 2, 1
sd.shape -> 2, 64
p4.shape -> 1, 64

关于如何进行的具体文件如下：

Two cases of index combination need to be distinguished:

• The advanced indexes are separated by a slice, Ellipsis or newaxis. For example x[arr1, :, arr2].
• The advanced indexes are all next to each other. For example x[..., arr1, arr2, :]but not x[arr1, :, 1]since 1 is an advanced index in this regard.

In the first case, the dimensions resulting from the advanced indexing operation come first in the result array, and the subspace dimensions after that. In the second case, the dimensions from the advanced indexing operations are inserted into the result array at the same spot as they were in the initial array (the latter logic is what makes simple advanced indexing behave just like slicing).

强调我的

请记住，在上述两种情况下，花式索引部分的维度都是索引数组的维度，而不是正在索引的数组。你知道吗

那么，您应该期望看到的是广播维度是p1、sd和p4（2, 64），其次是第二维度的大小x（8）。这确实是你得到的：

>>> y.shape
(2, 64, 8)