我对numpy.where的结果意味着什么感到困惑，以及如何使用它来索引数组。
看看下面的代码示例：
import numpy as np
a = np.random.randn(10,10,2)
indices = np.where(a[:,:,0] > 0.5)
我希望indices数组为2-dim并包含条件为true的索引。我们可以通过
indices = np.array(indices)
indices.shape # (2,120)
所以看起来indices正在对某种扁平化阵列进行操作，但我无法弄清楚具体如何。更令人困惑的是，
a.shape # (20,20,2)
a[indices].shape # (2,120,20,2)
问题：
如何使用np.where的输出索引我的数组实际上增长数组的大小？这里发生了什么？
答案 0 :(得分：4)
您的索引基于错误的假设：np.where返回一些可以立即用于高级索引的内容（它是np.ndarrays的元组）。但是你把它转换成一个numpy数组（所以它现在是np.ndarray的{{1}}。
所以
np.ndarrays为您提供import numpy as np
a = np.random.randn(10,10,2)
indices = np.where(a[:,:,0] > 0.5)
a[:,:,0][indices]
# If you do a[indices] the result would be different, I'm not sure what
# you intended.
找到的元素。如果您将np.where转换为indices，则会触发另一种形式的索引（see this section of the numpy docs），并且docs中的警告消息非常重要。这就是它增加数组总大小的原因。
有关np.array含义的一些其他信息：您将获得包含np.where数组的元组。 n是输入数组的维数。因此，满足条件的第一个元素具有索引n而不是[0][0], [1][0], ... [n][0]。因此，在您的情况下，您有（2,120）意味着您有2个维度和120个找到的点。