理解 numpy 中的布尔索引

布尔索引 boolean indexing 定义

布尔索引是一种通过使用布尔值（True或False）数组来选择数组中的元素的方法。布尔数组的长度必须与源数组相同，它指示了哪些元素应该被选择或过滤。

通过使用布尔索引，我们可以根据指定条件来选择数组中的元素，这些条件可以是基于元素值的比较、逻辑运算符的组合或其他布尔表达式。

简单来将， 布尔索引就是让 1个 boolean dtype 的adarray 作为另1个adarry 的 filter, 所以 布尔索引更应该是个filter 而不是 index。

语法：

arr_a[arr_b] 其中 arr_a 和 arr_b 都是ndarray 对象， 而且arr_b.dtype 是 bool

"""
introduce of ndarray boolean index:
    1. ndarray[bool_array]     # means select the elements where bool_array is True
    2. bool_array could be a boolean ndarray or a list of boolean values
    3. bool_array should have the same length with the ndarray
    4. bool_array could be generated by comparison operators e.g. >, <, ==, !=
    5. bool_array could be generated by logical operators e.g. &, |, ~
    6. bool_array could be generated by np.logical_and, np.logical_or, np.logical_not
    7. bool_array could be generated by np.all, np.any
"""

1维数组的 boolean indexing

举个例子：

    arr = np.arange(10) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    logger.info(f"arr: {
     arr}") # [0 1 2 3 4 5 6 7 8 9]
    arr_filter = [True, False, True, False, True, False, True, False, True, False]
    logger.info(f"arr[arr_filter]: {
     arr[arr_filter]}") # [0 2 4 6 8]

    arr_filter = [True, False, True, False, True, False, True, False, True, False, True]
    # logger.info(f"arr[arr_filter]: {arr[arr_filter]}") # error, because the length of arr_filter is not the same as arr

上面例子中， 首先创建了1个1维数组 arr， dtype = int32

然后构建了另1个 1维数组arr_filter , dtype = bool ,
然后利用 arr[arr_filter] 就可以返回另 一个 adarray 对象， 新的对象只包含了 符合 arr_filter 的元素。
在这个例子中， 就得到了1个偶数的子数组 [0, 2, 4, 6, 8]

值得注意的是， arr_filter 的shape 必须与 arr 一致， 才能另到True/false 和 arr的元素一一对应， 否则会出错

更优雅地编写arr_filter

上的arr_filter 是暴力定义的， 显然不符合实际场景
其实如果有1个公式的， 例如上面例子是求偶数， 是可以有其他方法来定义的.

1. 直接利用源arr 名字套用公式

  arr = np.arange(10) # [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]
    logger.info(f"arr: {
     arr}") # [0 1 2 3 4 5 6 7 8 9]
    arr_filter = arr % 2 == 0
    logger.info(f"arr_filter: