ナンシー・ファンシー・インデックス付けと割り当て

Question

通常、numpyは割り当ての左右を一致させるため、たとえばa[:] = bを実行すると、bは同じ形状になるか、aと同じ形にブロードキャストする必要があります。しかし、そこにそのルールの例外のようだ：

>>> a = np.arange(10) 
>>> a 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 
>>> b = a.copy() 
>>> a[[0,1,2]] = b[::2] 
>>> a 
array([0, 2, 4, 3, 4, 5, 6, 7, 8, 9]) 
>>> a[np.arange(10)] = b[:2] 
>>> a 
array([0, 1, 0, 1, 0, 1, 0, 1, 0, 1]) 

唯一の1D配列でのみ代入の左辺の空想のインデックスがある場合に動作しているようですが、私は見つけることができませんでしたどこでもこの動作のドキュメント。この動作は文書化されていますか？どこにいるのでしょうか、また誰かが有用な場合の例を挙げることができますか？

更新：

numpyのflatiterタイプがflatiter、私は知りませんファンシーインデックスの間にいくつかの接続があり、あまりにもこのように動作しているようですか？

>>> a.flat = [10,11] 
>>> a 
array([10, 11, 10, 11, 10, 11, 10, 11, 10, 11]) 
>>> a.flat[:] = [2,3,4] 
>>> a 
array([2, 3, 4, 2, 3, 4, 2, 3, 4, 2]) 
>>> a.flat = range(100) 
>>> a 
array([0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 

Answer 1

この動作はRとその祖先S/S-plusでモデル化されていると思います。これは、リスト割り当て（「ベクトル」割り当て）がそこでどのように機能し、「リサイクル」と呼ばれるかです。 Rプロジェクトのウェブサイトではそれについて語っていますが、私はthis linkにもっと明るい説明があります。 Rでは、ベクトルは測定値の集まりなので、それをパッドやトリムするのが理にかなっています。このロジックのどれくらいがそれに気をつけているのですか、そしてなぜ、それはまだまだ良い質問です。