使用 numpy 在多个轴上进行布尔掩码

我想对行和列应用布尔掩码。

With

X = np.array([[1,2,3],[4,5,6]])
mask1 = np.array([True, True])
mask2 = np.array([True, True, False])
X[mask1, mask2]

我期望输出是

array([[1,2],[4,5]])

代替

array([1,5])

据了解

X[:, mask2]

可以在这里使用，但这不是一般情况的解决方案。

我想知道它在幕后是如何工作的以及为什么在这种情况下结果是array([1,5]).

X[mask1, mask2]描述于布尔数组索引文档 https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#boolean-array-indexing相当于

In [249]: X[mask1.nonzero()[0], mask2.nonzero()[0]]
Out[249]: array([1, 5])
In [250]: X[[0,1], [0,1]]
Out[250]: array([1, 5])

实际上它给了你X[0,0] and X[1,1]（将 0 和 1 配对）。

你想要的是：

In [251]: X[[[0],[1]], [0,1]]
Out[251]: 
array([[1, 2],
       [4, 5]])

np.ix_是创建正确尺寸组合的便捷工具

In [258]: np.ix_([0,1],[0,1])
Out[258]: 
(array([[0],
        [1]]), array([[0, 1]]))
In [259]: X[np.ix_([0,1],[0,1])]
Out[259]: 
array([[1, 2],
       [4, 5]])

这实际上是第一个轴的列向量和第二个轴的行向量，共同定义了所需的值矩形。

但是尝试像这样广播布尔数组是行不通的：X[mask1[:,None], mask2]

但该参考部分说：

将多个布尔索引数组或布尔值与整数索引数组组合可以通过 obj.nonzero() 类比来最好地理解。函数 ix_ 还支持布尔数组，并且可以毫无意外地工作。

In [260]: X[np.ix_(mask1, mask2)]
Out[260]: 
array([[1, 2],
       [4, 5]])
In [261]: np.ix_(mask1, mask2)
Out[261]: 
(array([[0],
        [1]], dtype=int32), array([[0, 1]], dtype=int32))

的布尔部分ix_:

    if issubdtype(new.dtype, _nx.bool_):
        new, = new.nonzero()

所以它可以与像这样的混合一起使用X[np.ix_(mask1, [0,2])]