6

我很清楚列表和元组之间存在差异，并且元组不仅仅是常量列表，但是很少有例子表明代码实际上对两者进行了不同的处理（而不是通过编码约定），所以我（草率地）交替使用它们。

然后我遇到了一个案例，他们给出了完全不同的行为：

>>> import numpy as np
>>> a = np.arange(9).reshape(3,3)
>>> a
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
>>> idx = (1,1)
>>> a[idx]
4
>>> idx = [1,1]
>>> a[idx]
array([[3, 4, 5],
       [3, 4, 5]])

有人可以解释这里发生了什么吗？更重要的是，这个陷阱在 scipy 中还出现在哪里？

4

1 回答 1

4

您将获得不同的行为，因为在 numpy 中，支持三种类型的索引

  • 基本切片
  • 高级索引
  • 记录访问

使用元组进行索引仅相当于一个参数列表，其后缀为基本切片，而使用非元组列表会导致高级索引。

还要记住，从文档

Advanced indexing is triggered when the selection object, obj, is a non-tuple sequence object, an ndarray (of data type integer or bool), or a tuple with at least one sequence object or ndarray (of data type integer or bool). 高级索引有两种类型：整数和布尔。

高级索引始终返回数据的副本（与返回视图的基本切片相反）。

此外，来自相同的文档

在 Python 中，x[(exp1, exp2, ..., expN)] 等价于 x[exp1, exp2, ..., expN]; 后者只是前者的语法糖。

于 2013-08-12T07:16:28.700 回答