提取索引子集化向量时避免DeprecationWarning警告

问题场景 #

在给定x值处截取二元函数f(x,y)的3D曲面切片时，通过np.linspace生成x向量后，遇到两个问题：

1. 直接用int()转换np.where返回的索引数组会触发DeprecationWarning（NumPy 1.25+版本）；
2. 仅取索引数组的[0]元素时，子集化后的Z形状为(1,2000)，无法与y向量正常绘图。

解决方案 #

方法1：直接修改查找函数返回索引（最优） #

你的find_nearest函数原本可以直接返回索引，无需再用np.where绕路，这是最简洁高效的方式：

import numpy as np

lim = 10
x = np.linspace(-lim, lim, 2000)
y = np.linspace(-lim, lim, 2000)

X, Y = np.meshgrid(x, y)
Z = X**2 + Y**2

# 修改函数，直接返回最接近值的整数索引
def find_nearest_idx(array, value):
    array = np.asarray(array)
    return (np.abs(array - value)).argmin()

# 获取目标x值的索引
target_x = 0
idx = find_nearest_idx(x, target_x)

print(idx)
print(Z[idx, :].shape)  # 输出(2000,)，可直接与y绘图

方法2：提取np.where返回数组的单个元素（兼容原有逻辑） #

如果需要保留原find_nearest返回值的逻辑，可通过以下两种方式提取整数索引，规避警告同时修正形状：

import numpy as np

lim = 10
x = np.linspace(-lim, lim, 2000)
y = np.linspace(-lim, lim, 2000)

X, Y = np.meshgrid(x, y)
Z = X**2 + Y**2

def find_nearest(array, value):
    array = np.asarray(array)
    idx = (np.abs(array - value)).argmin()
    return array[idx]

target_x = 0
nearest_val = find_nearest(x, target_x)

# 方式1：通过[0][0]提取单个整数
idx = np.where(x == nearest_val)[0][0]
# 方式2：用.item()将数组转换为标量整数
# idx = np.where(x == nearest_val)[0].item()

print(idx)
print(Z[idx, :].shape)  # 输出(2000,)

问题原因说明 #

• np.where返回的是包含索引数组的元组，[0]取到的是一维数组（如array([1000])），直接转int()会触发警告，因为NumPy 1.25+不再允许将数组直接转换为标量；
• 提取数组中的单个元素后得到纯整数，此时Z[idx, :]会返回一维数组，而非二维的(1,2000)，完美匹配y向量的形状，可直接用于绘图。

内容的提问来源于stack exchange，提问作者Antoni Parellada