Numpy：单括号与多括号

今天使用Numpy时出现了一个bug，经过和同学的讨论才最终得以解决…

1. 问题：

给定数组：

a = np.array([
    [1,10,1],
    [2,20,2],
    [3,30,3],
    [2,40,4]
])

要求：如果某一行的第0个元素为2，那么将它的第1个元素改为100

即期望输出为：

[[  1  10   1]
 [  2 100   2]
 [  3  30   3]
 [  2 100   4]]

2. 错误做法：

mask = a[:, 0] == 2
a[mask][:,1] = 100

[Out]:
[[ 1 10  1]
 [ 2 20  2]
 [ 3 30  3]
 [ 2 40  4]]

3. 正确做法：

mask = a[:, 0] == 2  # [False  True False  True]
a[mask, 1] = 100

[Out]:
[[  1  10   1]
 [  2 100   2]
 [  3  30   3]
 [  2 100   4]]

4. 分析：

Numpy推荐用单个括号来访问所有维度（中间用逗号隔开）。

上文的错误做法中，使用了两个括号来访问，这使得在a[mask]这一步中系统就copy了一个新对象出来，更改该新对象并不会对原数组a产生影响（这部分是基于一些实验的猜测）。（其实如果单元素地访问，比如a[0][0]=100，其实是不会有问题的，但是更复杂场景下，比如本问题使用了腌膜mask，就容易出问题）

而正确做法中，使用单括号来访问就避免了这个问题。

最后做个总结就是，Numpy中访问数组要养成“单括号多逗号”的习惯，而不要沿用C++等语言中的“多括号”访问多维数组的习惯。

5. 补（多括号）

多括号的正确使用姿势示例：（注意上文中mask是一维的，下面的mask是二维）

 给定二维数组a，要求：将数组a 左上角2*2区域 中 小于3或大于4 的元素置0。

# initialize
a = np.array([
    [1,2,3],
    [4,5,6],
    [7,8,9]
])
# mask
aa = a[:2, :2]
mask = np.bitwise_or(aa<3,aa>4) # 2*2的掩膜
# result
a[:2, :2][mask] = 0
print(a)

[Out]：
[[0 0 3]
 [4 0 6]
 [7 8 9]]