NumPy：使用切片索引與列表分配給矩陣

Question

給定以下代碼，我期望最後兩行的行爲相同，但不這樣做。

import numpy as np 

C = np.matrix(np.zeros((4,4))) 
C[0, 0:2] = np.matrix([[1, 2]]) # Works as expected. 
C[0, [0,1]] = np.matrix([[1, 2]]) # Throws an "array is not broadcastable to correct shape" error. 

當使用ndarray相反，工作的事情如預期（調整分配的右手邊的一維ndarray）：

D = np.zeros((4,4)) 
D[0, 0:2] = np.array([1, 2]) # Works as expected. 
D[0, [0,1]] = np.array([1, 2]) # Works too. 

而爲了讓事情變得怪異，如果一個人只索引矩陣C（而不是分配給它），似乎使用的切片索引或列表剛剛返回相同的：

C[0, 0:2] # => matrix([[ 1., 2.]]) 
C[0, [0, 1]] # => matrix([[ 1., 2.]]) 

問題是，爲什麼這兩種方法在分配上的行爲不同？我錯過了什麼？

（編輯：錯字）

Answer 1

這似乎是一個錯誤在numpy的：http://projects.scipy.org/numpy/ticket/803。解決方案是分配一個普通列表或numpy數組，而不是將矩陣分配給所選元素。

Answer 2

編輯：不得不認識到，雖然我寫的東西是真實的，但事實上，D[0,0:2] = ...從D[0,[0,1]] = ...（所以數組）不同的是，也許是真正的矛盾（以及相關的）。

也許是爲什麼發生這種情況，據我所知。選中此項：

D[0,[0,1]] = np.array([[1,2]]) 

給出相同的錯誤。問題是內部的切片操作發生在矩陣形狀再次「固定」到2D之前，這是因爲matrix是創建新視圖時發生的子類，但這裏是否視圖是通常不需要的！

這意味着，當你設置這樣的元素，它總是表現得像：

C.A[0,[0,1]] = matrix([[1,2]]) # Note the C.A giving normal array view of C. 

哪個失敗，因爲矩陣是2D的，但C.A[0,[0,1]]是1D（因爲它不是「固定」是至少2D矩陣對象），在這種情況下，人們可以說，因爲它只是從右側的numpy中移除1維軸可能會容忍它，但只要它不需要矩陣對象做一個完全自定義的地方/賦值運算符，這可能不會很優雅。

但也許使用C.A等可以幫助解決這個不便。然而，在一般情況下，在numpy中，最好總是使用基類數組，除非你正在進行大量的矩陣乘法運算等等（在這種情況下，如果它僅限於程序的一部分，它可能更好地查看你的數組在矩陣之前，但在其他數組中工作）