np.take函数对布尔数组的行为探究及与布尔索引的差异

核心处理规则 #

np.take对布尔类型索引的实际处理逻辑可总结为：

• 当传入布尔数组作为indices参数时，会自动将布尔值转换为整数索引：False映射为0，True映射为1。
• 转换完成后，按照np.take的默认行为（未指定axis时），直接用转换后的整数索引数组逐个位置提取原数组元素，最终结果的形状与输入的布尔索引数组完全一致。

示例解析 #

给定输入：

a = np.array([2, 3])
b = np.array([[False,  True],
              [ True, False],
              [False,  True],
              [ True, False]])

布尔数组b会被转换为整数索引数组：

[[0, 1],
 [1, 0],
 [0, 1],
 [1, 0]]

随后对每个索引值提取a中对应元素：0对应a[0]=2，1对应a[1]=3，因此生成输出：

array([[2, 3],
       [3, 2],
       [2, 3],
       [3, 2]])

这就是示例中列元素交替切换的原因。

直接布尔索引报错的原因 #

直接使用a[b]属于numpy原生布尔索引机制，要求布尔数组的维度必须与原数组维度兼容（要么维度完全匹配，要么可广播至原数组维度）。这里a是1维数组（形状(2,)），而b是2维数组（形状(4,2)），无法满足维度兼容要求，因此抛出IndexError: too many indices for array。

内容的提问来源于stack exchange，提问作者Karl Gardner