Numpy：连续索引元素赋值失败的问题

前言

最近用numpy做索引赋值时，发现了一个连续索引的问题，记录一下。

连续索引切片

numpy数组可以通过整数index索引（Integer array indexing

）或者元素True False（Boolean array indexing）索引：

import numpy as np
a=np.arange(10).reshape([5, 2])

a[[0, 2, 3]]  # integer index
a[[True, True, False, False, False], True]  # True False
1
2
3
4
5

切片的结果类似元素引用，也就是说，修改切片结果时，原数组的元素也会被修改：

import numpy as np
a=np.arange(10).reshape([5, 2])

a[[0, 2, 3]] = [0, 0]
print(a)
'''
array([[0, 0],
       [2, 3],
       [0, 0],
       [0, 0],
       [8, 9]])
'''
1
2
3
4
5
6
7
8
9
10
11
12

这个特性使得修改数组中的元素非常容易。然而，连续索引赋值可能会出现失效。

连续切片问题

上面的例子是单次索引赋值，而连续索引的需求也是存在的。如果上面的单次索引方法改成下面的多次索引：

a[[0, 2, 3]][:]=[0, 0]
print(a)
'''
array([[0, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
'''
1
2
3
4
5
6
7
8
9

非常神奇的事情发生了，原数组元素没有被更改。

numpy索引：基础索引，高级索引

要理解上面连续索引失败问题，需要先了解numpy的两种索引机制：基础索引和高级索引。

基础索引得到的结果是原数组的一份view或者一个标量，可以认为是一种浅拷贝或者元素引用机制，修改原数组元素的值时，view数组也会一起改变，反之亦然。

高级索引得到的结果是原数组的一份copy，可以认为是深拷贝，新数组不受到原数组的影响。

那么基础索引和高级索引分别是什么呢？简单而言可以如下区分：

基础索引：单元素索引，切片索引，维度索引。简单而言，形如a[0], a[1:-1:1], a[..., :]等都是基础索引。

高级索引：ndarray索引，非元组序列索引（比如list），元组中含有一个序列的索引。简单而言，形如a[[0, 1]], a[np.array([1])], a[((1, 2), 0)]的都是高级索引

注意：python中，a[1,2,3]是a[(1,2,3)]的简化表示（语法糖），完全等效。

如果一个数组索引中同时存在基础索引和高级索引，则这是一个混合索引，比如a[:, [0]]是混合索引。而a[:, 0]则是基础索引。

numpy数组的view, copy属性对连续索引的影响

连续基础索引时，由于view属性会改变原数组，因此连续基础索引不会导致元素赋值失败的问题：

import numpy as np
a=np.arange(10).reshape([5, 2])
a[:1][:1] = 9, 9
print(a)
'''
array([[9, 9],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
'''
1
2
3
4
5
6
7
8
9
10
11

上面这个连续切片索引也是基础索引，第一次切片产生了一个view数组，这个view数组做索引赋值，原数组的元素也一起被修改了。

下面这个连续高级索引，第一次索引产生了一个copy数组，这个copy数组做索引赋值，并不影响原数组的元素。

import numpy as np
a=np.arange(10).reshape([5, 2])
a[[0]][[0]] = [9, 9]
print(a)
'''
array([[1, 1],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
'''
1
2
3
4
5
6
7
8
9
10
11

连续混合索引

连续混合索引的结果非常有趣：先基础索引再高级索引，原数组被改变；先高级索引再低级索引，原数组不变，这个很好理解。

import numpy as np
a=np.arange(10).reshape([5, 2])
a[:1][[0]] = [9, 9]
print(a)
'''
array([[9, 9],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
'''
a[[0]][:1] = [-5, -5]
print(a)
'''
array([[9, 9],
       [2, 3],
       [4, 5],
       [6, 7],
       [8, 9]])
'''
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20

单次多维混合索引

无论是a[[0], :]还是a[:, [0]]，单次多维混合索引都是可以正常元素赋值的，但是对返回元组的view copy属性有影响，第一维是基础索引时，返回数组是view的，否则是copy的。

可以将a[[0], 1:]理解为a[:, 1:][[0], :]，即先从原数组中取对应的列，再从新数组中取对应的行。

判断数组的view, copy属性

可以通过ndarray的base属性判断：

a.base is None  # True表示是copy，False表示是view
1