现在我正试图了解索引 numpy 结构化数组的可能方法,但我有点被它困住了。举几个简单的例子:
import numpy as np
arr = np.array(zip(range(5), range(5, 10)), dtype=[('a', int), ('b', int)])
arr[0] # first row (record)
arr[(0,)] # the same, as expected
arr['a'] # field 'a' of each record
arr[('a',)] # "IndexError: unsupported iterator index" ?!
arr[1:3] # second and third rows (records)
arr[1:3, 'a'] # "ValueError: invalid literal for long() with base 10: 'a'" ?!
arr['a', 1:3] # same error
arr[..., 'a'] # here too...
arr['a', ...] # and here
因此,出现两个子问题:
- 为什么纯值(在本例中为
'a')的结果不同于相应的单例tuple(('a',))? - 为什么最后四行会引发错误?而且,可能更重要的是,如何使用单个切片获取切片
arr['a'][1:3]?如您所见,显然arr['a', 1:3]不起作用。
我还观察了内置 list 和非结构化 ndarray 的索引行为,但在那里找不到这样的问题:将单个值放入元组中不会改变任何东西,当然像 arr[1, 1:3] 这样的普通 ndarray 的索引按预期工作。鉴于此,我示例中的错误是否应该被视为 numpy 中的错误?
请您参考如下方法:
首先,字段与维度不同——尽管您的数组 arr 有两个字段和五行,但 numpy 实际上将其视为一维(它的形状为 (5, ))。其次,当用作 numpy 数组的索引时,元组具有特殊的地位。当您将元组放在方索引括号内时,numpy 将其解释为数组相应维度的索引序列。在嵌套元组的特殊情况下,每个内部元组都被视为该维度的一系列索引(就好像它是一个列表)。
由于字段不算作维度,当您使用 arr[('a',)] 对其进行索引时,numpy 将 'a' 解释为索引arr 的行。因此引发了 IndexError,因为字符串不是索引到数组维度的有效类型(第 a 行是什么?)。
当您尝试 arr['a', 1:3] 时会发生同样的事情,因为这等同于使用元组 ('a', slice(1, 3) 进行索引, 无))。 'a' 和 1:3 之间的逗号使它成为一个元组,尽管没有括号。同样,numpy 尝试使用 'a' 索引到 arr 的行,这是无效的。然而,即使两个元素都是有效的索引类型,您仍然会得到一个 IndexError,因为您的元组 (2) 的长度大于 arr 中的维数(1).
arr['a'][1:3] 和 arr[1:3]['a'] 都是索引切片的完全有效的方法一个字段。
