我是Python和NumPy的新手，我在NumPy中尝试使用布尔索引，遇到了这个令我困惑的事情：
import numpy as np
np.random.seed(0)
创建了一个7 x 4阵列：
data = np.random.rand(7, 4)
[[ 0.5488 0.7152 0.6028 0.5449]
[ 0.4237 0.6459 0.4376 0.8918]
[ 0.9637 0.3834 0.7917 0.5289]
[ 0.568 0.9256 0.071 0.0871]
[ 0.0202 0.8326 0.7782 0.87 ]
[ 0.9786 0.7992 0.4615 0.7805]
[ 0.1183 0.6399 0.1434 0.9447]]
创建了一个7 x 4的布尔数组：
bool_array =
([[True,False,False,True],
[True,False,False,True],
[True,False,False,True],
[True,False,False,True],
[True,False,False,True],
[True,False,False,True],
[True,False,False,True]])
bool_array = np.array(bool_array)
data[bool_array]
输出：
[ 0.5488 0.5449 0.4237 0.8918 0.9637 0.5289 0.568 0.0871 0.0202
0.87 0.9786 0.7805 0.1183 0.9447]
怎么解释这个？我的理由如下：行数相同（即7） . 对于每一行，在位置0和3处找到“真”（即2个值） . 因此，我最终得到一个1 x 14矩阵 . 我期待一个7 x 2的矩阵 .
有人可以澄清如何评估它是如何给出一个1 x 14矩阵？
1 回答
Numpy没有先验的方法知道你面具的
True元素在哪里 . 您的选择在列中如此整齐地排列，这纯粹是偶然的 .要理解为什么结果被分解为一维数组，想象一下如何处理每行中有两个选择但不总是来自同一列的情况 . 现在想象一下每行中选择的数量不同的情况，可能有些行完全为空 . Numpy必须能够始终如一地处理所有这些案件 . 它会慢得多，并且会根据蒙版的内容返回不同形状的数组会导致很多问题 .
要选择所需的列，请使用适当的索引：
要么