python - 对 0D 和 1D numpy 数组使用数组索引的统一方式

Question

(注意:原始问题有点不同，其他答案适用；原始问题请参阅 revision history。)

当这些数组也可以是标量时，是否有统一的方法来索引 numpy 数组？

我正在尝试编写一个处理 float 、 float 列表或 0/1D numpy 数组的函数。为了统一处理这个问题，我使用了 numpy.asarray()，它总体上运行良好(当输入是标准 Python float 时，我不介意返回 numpy.float64)。

当我需要处理条件操作和中间数组函数时会出现问题，例如:

value = np.asarray(5.5)
mask = value > 5
tmpvalue = np.asarray(np.cos(value))
tmpvalue[mask] = value

这会抛出一个异常:

Traceback (most recent call last):
  File "testscalars.py", line 27, in <module>
    tmpvalue[mask] = value
IndexError: 0-d arrays can't be indexed

有什么优雅的解决方案吗？

Answer 1

事实证明这个问题与 numpy 1.8 及之前的版本有关；升级到 numpy 1.9(.2) 可以解决这个问题。

numpy 1.9 release notes有话要说:

Boolean indexing into scalar arrays will always return a new 1-d array. This means that array(1)[array(True)] gives array([1]) and not the original array.

这会方便地将 tmpvalue[mask] 临时转换为一维数组，允许将其分配给 value:

tmpvalue[mask] = value