为什么使用np.argwhere返回的索引给二维数组赋值会出现越界错误

核心背景 #

np.argwhere(obj_img==0)返回的是形状为(N, 2)的二维整数数组，其中N是符合obj_img==0条件的元素总数，每一行的格式为[行索引, 列索引]。 #

两种索引方式的处理逻辑 #

1. obj_img[ndxs]的处理逻辑 #

对于二维数组obj_img，如果仅传入一个索引参数，NumPy会默认该参数是轴0（行维度）的索引数组，剩余维度自动全量选取，等价于obj_img[ndxs, :]。
此时你传入的ndxs是形状为(N, 2)的二维数组，NumPy会把数组内的每一个值（不管是第一列的行索引还是第二列的列索引）都当作轴0的索引值去取值。如果你的obj_img轴0长度为22，合法索引范围是0~21，而ndxs第二列的列索引最大值可能达到22，就会触发IndexError: index 22 is out of bounds for axis 0 with size 22的报错。
举个最小示例验证：

import numpy as np
# 构造2行3列的测试数组，轴0最大索引为1，轴1最大索引为2
obj_img = np.array([[0,1,0],[2,0,3]])
ndxs = np.argwhere(obj_img==0)
print(ndxs)
# 输出结果：
# [[0 0]
#  [0 2]
#  [1 1]]
# 执行obj_img[ndxs]会尝试用2作为轴0的索引，直接触发越界报错

2. obj_img[ndxs[:,0], ndxs[:,1]]的处理逻辑 #

当你给二维数组的两个轴分别传入长度相同的一维数组时，NumPy会触发高级索引的配对规则：将两个数组相同位置的元素配对，作为对应轴的索引取值。
比如ndxs[:,0]是长度为N的行索引数组，ndxs[:,1]是长度为N的列索引数组，NumPy会依次取(ndxs[0,0], ndxs[0,1])、(ndxs[1,0], ndxs[1,1])……(ndxs[N-1,0], ndxs[N-1,1])位置的元素，刚好就是你需要的所有值为0的位置，因此可以正常赋值。
如果想简化写法，也可以直接用obj_img[tuple(ndxs.T)] = np.nan，效果和上述写法完全一致。

内容的提问来源于stack exchange，提问作者jrive