Question

我有一个手动的方式来引用numpy数组，但无法弄清楚如何以类似numpy的方式进行操作。

我正在寻找以下行的类似numpy的内容：

np.array([arr[0,index[0]], arr[1,index[1]], arr[2,index[2]]]).reshape(3,1)

这里是代码（简化以查明问题）：

arr = np.arange(9).reshape(3,3)
index = np.array([2,0,1])
print(arr)
result = np.array([arr[0,index[0]], arr[1,index[1]], arr[2,index[2]]]).reshape(3,1)
print(result)

它产生以下内容：

[[0 1 2]
 [3 4 5]
 [6 7 8]]
[[2]
 [3]
 [7]]

我正在寻找numpy风格的代码来实现该行

np.array([arr[0,index[0]], arr[1,index[1]], arr[2,index[2]]]).reshape(3,1)

在这里做的事，例如：

arr[:,index[:]]

显然，这不能正常工作，因为index [：]表示整行，而不是只选择一个对应的值。

这必须非常简单，我只是被卡在了上面。没有长长的一行来手动为每一行带来每个索引，就想不出办法了。就我而言，我有数千行和数千列，因此绝对不能使用手动方式。

Answer 1

实现目标的最简单方法可能是直接索引：

arr = np.arange(9).reshape(3,3)
index = np.array([2,0,1])
result = arr[range(index.shape[0]), index].reshape(index.shape[0], 1)

要回答您的评论，切片无法产生相同结果的原因，即这样的代码

arr[0:index.shape[0], index]

是因为0:index.shape[0]是一个切片，而不是要选择的索引列表。每当您使用切片作为索引时，它都会理解为范围内的所有行或范围内的所有列。但是，如果改为（通过列表或数组）列出索引，则只会从列表中选择元素。

NumPy索引还有很多技巧，它们的文档始终是很好的信息来源：https://docs.scipy.org/doc/numpy/reference/arrays.indexing.html。

Answer 2

使用[0,1,2]行和[2,0,1]列的行选择，有两种选择项目的方法：

block
items [2,0,1] from each of the rows [0,1,2]

paired
items [0,2], [1,0], [2,1]

在MATLAB中，如果您索引arr([0,1,2],[2,0,1])，则会得到该块。在numpy索引arr[[0,1,2],[2,0,1]]中执行所需的配对索引。

要在numpy中获得屏蔽，您可以执行arr[:, [2,0,1]]或arr[[[0],[1],[2]], [2,0,1]]。

第二种情况实际上是创建一个（3,1）数组，该数组以（3，）广播，以创建（3,3）组索引对。要了解具有多个列表或数组的advanced indexing，您需要了解广播。

如果一维数组/列表的大小匹配，则广播是微不足道的-只需将它们配对即可：

arr([0,1,2],[2,0,1])
arr[0,2], arr[1,0], arr[2,1]

如何使用与行相关的数组索引多维数组？

2 个答案: