为何Python列表与np.asarray的布尔索引行为存在差异？

这问题太典型了！刚接触Python和Numpy的时候很容易混淆两者的索引逻辑，咱们把这两种情况拆解开讲：

1. 普通列表的w[w!=0]到底在干嘛？ #

当你用普通Python列表执行w != 0时，Python并不会逐个元素和0比较——因为普通列表不支持向量化的布尔判断！这里的w != 0其实是在判断「整个列表对象是否等于整数0」，显然列表和整数是完全不同的类型，结果必然是True。

而Python里布尔值是整数的子类：True等价于1，False等价于0。所以w[True]就等同于w[1]，也就是取列表的第2个元素（索引从0开始），自然输出0.2。

2. Numpy数组的w[w!=0]是怎么工作的？ #

当你把列表转成Numpy数组后，一切都不一样了：

• Numpy的核心特性就是向量化运算，w != 0会对数组里的每个元素逐一判断是否不等于0，返回一个和原数组形状相同的布尔数组：[True, True, True, True, False]
• Numpy支持布尔索引，用这个布尔数组去索引原数组时，会自动筛选出所有对应位置为True的元素，也就是所有非零值，所以输出[0.1 0.2 0.3 0.5]

简单总结：普通列表没有向量化运算和布尔索引的能力，你写的w[w!=0]其实是个「巧合的错误用法」；而Numpy数组就是为这种批量元素操作设计的，所以结果符合你的预期。

内容的提问来源于stack exchange，提问作者NanBlanc