Какая разница при индексации массива numpy между использованием целого и скалярного числа?

Question

Я не ожидал, что они будут другими, пока мне не понадобилось 2 часа, чтобы найти ошибку.Вот пример, показывающий разницу, которую я заметил, но я не мог ее понять.

>>> a = np.array([[1, 2], [3, 4]])
>>> a[0][0]
1
>>> a[np.array(0)][np.array(0)]
1
>>> a[0][0] = 5
>>> a
array([[5, 2],
       [3, 4]])
>>> a[np.array(0)][np.array(0)] = 6
>>> a
array([[5, 2],
       [3, 4]])

Похоже, что в качестве индекса нельзя использовать скалярный скаляр, чтобы изменить элемент.Возвращается ли копия исходного элемента массива вместо ссылки?

Однако при индексации кортежа проблема исчезла.

>>> a[np.array(0), np.array(0)] = 6
>>> a
array([[6, 2],
       [3, 4]])

Что здесь происходит?Я понимаю, что по отдельности индексация цепочки скобок и индексация кортежей различны, но в принципе не должны ли они оба обращаться к одному и тому же элементу независимо от этого?

Из любопытства я попробовал сделать это с одномерным массивом.Результат будет другим.

>>> a = np.array([1, 2])
>>> a[np.array(0)] = 3
>>> a
array([3, 2])

На этот раз элемент был изменен.

Урок, который я усвоил, заключается в том, что я должен максимально использовать индекс кортежа для пустых массивов, чтобы быть в безопасности.,Но мне бы очень хотелось объяснить эти противоречивые эффекты.Спасибо!

Answer 1

Глядя на расположение буфера данных:

In [45]: a.__array_interface__['data']
Out[45]: (44666160, False)
In [46]: a[0].__array_interface__['data']
Out[46]: (44666160, False)

То же место для a[0] дела. Изменение a[0] изменит a.

Но с индексом массива буфер данных отличается - это копия. Изменение этой копии не повлияет на a.

In [47]: a[np.array(0)].__array_interface__['data']
Out[47]: (43467872, False)

a[i,j] индексирование более идиоматично, чем a[i][j]. В некоторых случаях они одинаковы. Но существует достаточно случаев, когда они различаются, поэтому разумно избегать последующего, если вы действительно не знаете, что он делает и почему.

In [49]: a[0]
Out[49]: array([1, 2])
In [50]: a[np.array(0)]   
Out[50]: array([1, 2])
In [51]: a[np.array([0])]
Out[51]: array([[1, 2]])

Индексирование с помощью np.array(0), массива 0d, похоже на индексирование с помощью np.array([0]), массива 1d. Оба производят копию, первое измерение которой имеет размер, аналогичный индексу.

По общему признанию, это сложно, и, вероятно, не появляется, кроме как при выполнении такого набора.

---

При использовании np.matrix выбор [i][j] против [i,j] также влияет на форму - разница между питонами между двумя формами матрицы x [i, j] и x [i] [j]