indexError：形状不匹配：索引阵列无法与形状一起播放（2，）（3，）

Question

我有一个 np.ndarray Shape （5，5，5，2，2，2，10，8）命名 table 。我可以像这样成功地将其切成薄片：

table[4, [0, 1], 1, 1, 1, slice(0, 10, None), slice(0, 8, None)]

table[4, [0, 1], 1, 1, 1, [0, 2], slice(0, 8, None)]

但是由于某种原因，当我尝试为尺寸5（长度10）指定三个值时：

table[4, [0, 1], 1, 1, 1, [0, 2, 6], slice(0, 8, None)]

我得到：

>>> IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (2,) (3,) 

相同的是：

table[4, [0, 1, 4], 1, 1, 1, [0, 2], slice(0, 8, None)]

这不会发生：

table[4, [0, 1, 4], 1, 1, 1, slice(0, 10, None), slice(0, 8, None)]

table[4, [1, 0, 4], 1, 1, 1, slice(0, 10, None), slice(0, 8, None)]

哪个输出正确的结果。

我试图在广播上阅读类似的问题，但是我仍然感到困惑为什么 numpy 无法理解此切片符号。当我沿着轴上已经有另一个数组时，当我沿着轴上拿出两个以上的点以将其切成薄片时，为什么它会感到困惑？

Answer 1

In [219]: table = np.zeros((5, 5, 2, 2, 2, 10, 8),int)    
In [220]: table.shape
Out[220]: (5, 5, 2, 2, 2, 10, 8)

您使用 slice 而不是：的事实并不重要；同样的是，不必指定尾随的切片。

In [221]: table[4, [0, 1], 1, 1, 1, slice(0, 10, None), slice(0, 8, None)].shape
Out[221]: (2, 10, 8)

这具有高级索引数组/长度2的列表 - 其他维度是标量或切片。因此它们消失了或“通过”。

In [222]: table[4, [0, 1], 1, 1, 1, [0, 2], slice(0, 8, None)].shape
Out[222]: (2, 8)

在这里，您有两个高级索引列表 - 长度2，因此它们一起“广播”以选择2个值（我认为这是一种“对角线”）。

In [223]: table[4, [0, 1, 4], 1, 1, 1, slice(0, 10, None), slice(0, 8, None)].shape
Out[223]: (3, 10, 8)

与以前相同，但有3个列表。

但是，当两个列表具有不同的长度时，您会遇到错误：

In [225]: table[4, [0, 1], 1, 1, 1, [0, 2, 6], slice(0, 8, None)].shape
---------------------------------------------------------------------------
IndexError                                Traceback (most recent call last)
Input In [225], in <cell line: 1>()
----> 1 table[4, [0, 1], 1, 1, 1, [0, 2, 6], slice(0, 8, None)].shape

IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (2,) (3,) 

如果一个列表为（2,1），则可以工作 - 它在一个维度中选择2个，而另一个列表则在另一个维度中选择：

In [226]: table[4, [[0], [1]], 1, 1, 1, [0, 2, 6], slice(0, 8, None)].shape
Out[226]: (2, 3, 8)

索引中的“广播”遵循相同的规则就像添加（或乘法）数组时一样。

(2,) with (2,) => (2,)
(2,1) with (3,) => (2,3)
(2,) with (3,) error

In [227]: np.ones(2)+np.ones(2)
Out[227]: array([2., 2.])

In [228]: np.ones(2)+np.ones(3)
---------------------------------------------------------------------------
ValueError                                Traceback (most recent call last)
Input In [228], in <cell line: 1>()
----> 1 np.ones(2)+np.ones(3)

ValueError: operands could not be broadcast together with shapes (2,) (3,) 

In [229]: np.ones((2,1))+np.ones(3)
Out[229]: 
array([[2., 2., 2.],
       [2., 2., 2.]]

编辑

查看更简单的2D数组：

In [261]: arr = np.arange(6).reshape(2,3)

In [262]: arr
Out[262]: 
array([[0, 1, 2],
       [3, 4, 5]])

如果我用2（2，）阵列索引，则获得2个值：

In [264]: arr[np.array([0,1]), np.array([1,2])]
Out[264]: array([1, 5])

但是如果我用（2,1）和（2，）索引，我会得到（2,2）形状结果。请注意[1,5]值在哪里：

In [265]: arr[np.array([0,1])[:,None], np.array([1,2])]
Out[265]: 
array([[1, 2],
       [4, 5]])

ix _ 是用于构建此类“笛卡尔”索引数组的方便工具。例如，我得到的3个列表：

In [266]: np.ix_([1,2],[3,4,5],[6,7])
Out[266]: 
(array([[[1]],
 
        [[2]]]),
 array([[[3],
         [4],
         [5]]]),
 array([[[6, 7]]]))

In [267]: [i.shape for i in np.ix_([1,2],[3,4,5],[6,7])]
Out[267]: [(2, 1, 1), (1, 3, 1), (1, 1, 2)]

这些列表将从3D（或更大）数组中选择一个形状（2,3,2）的块。

正式地，这在

（您的切片都在最后。当切片在中间出现切片时，此索引有些细微差别。请参阅有关组合组合高级的小节如果出现了基本索引。）