NumPy花式索引和赋值

Question

通常情况下，numpy强制赋值左右两边的形状相同。例如，如果我执行a[:] = b，则b必须具有与a相同的形状或可广播到与a相同的形状。但是，这个规则似乎有例外：

>>> a = np.arange(10)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])
>>> b = a.copy()
>>> a[[0,1,2]] = b[::2]
>>> a
array([0, 2, 4, 3, 4, 5, 6, 7, 8, 9])
>>> a[np.arange(10)] = b[:2]
>>> a
array([0, 1, 0, 1, 0, 1, 0, 1, 0, 1])

看起来它只适用于1d数组，并且只有在赋值的左侧使用花式索引时才有效，但我无法在任何地方找到关于这种行为的文档。如果有文档，请问在哪里可以找到，并且是否能给出一个有用的示例？

更新:

似乎numpy中的flatiter类型也是这样工作的，是否存在flatiter和花式索引之间的某种连接，我不知道吗？

>>> a.flat = [10,11]
>>> a
array([10, 11, 10, 11, 10, 11, 10, 11, 10, 11])
>>> a.flat[:] = [2,3,4]
>>> a
array([2, 3, 4, 2, 3, 4, 2, 3, 4, 2])
>>> a.flat = range(100)
>>> a
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9])

- Bi Rico

---

你已经准确地描述了这个特性——它只允许在对一维数组进行高级索引时与赋值结合使用。虽然我确信我在文档中读过这个内容，但我现在找不到相关链接。这在某些情况下很有用，不过我认为如果能够支持一个专门的函数，并且常规赋值仍会报错，那就更好了。 - Sven Marnach

没错，我很快就假定它只是广播，但现在我看到它实际上并不符合广播的要求！奇怪！ - wim

我正在尝试其他有趣的案例，比如源数组较小的情况 a[[0,1,2]] = [-1, -2]（它会循环），源数组较大的情况 a[[0,1,2]] = [-1, -2, -3, -4]（它会停止），以及目标数组重复的情况 a[[0,0,1]] = [-1, -2, -3]（它似乎在源数组上迭代。这会对 += 运算符造成严重影响）。 - wim

谢谢大家的建议，我认为这个功能很有用，但我同意 @SvenMarnach 的想法，我更喜欢在一个函数中实现这个功能。 - Bi Rico

@Bago，正如常见问题解答所解释的那样，[0,0,1]情况并不是NumPy的设计选择。这是Python语义强加给我们的东西。 - Robert Kern

Answer 1

我认为这种行为是基于R及其祖先S/S-plus模型的。那就是列表赋值（“向量”赋值）在那里的工作方式，被称为“循环利用”。R项目网站谈到了它，但我在this link找到了更有启发性的解释。在R中，向量是一组测量值，因此按照它的方式填充或修剪它是有意义的。这种逻辑在numpy中有多少得到了应用，以及为什么，仍然是一个好问题。

- alexis