Question

>>> idx = np.random.randint(2, size=(9, 31))
>>> a = np.random.random((9, 31, 2))
>>> a[idx].shape
(9, 31, 31, 2)

为什么上述内容不至少导致(9, 31, 1)或更好(9, 31)的形状？如何根据idx？

中的值返回选择

更新

这可能是一个更具体，更有希望的类比例子：假设这个数组

a = np.asarray([[1, 2], [3, 4], [5, 6], [7, 8]])

我如何选择数组[1, 4, 5, 8]（即每行的第0个，第1个，第0个，第1个元素）？

Answer 1

我认为这就是你想要的：

>>> a[np.arange(9)[:, None], np.arange(31), idx].shape
(9, 31)

对于你的第二个例子，你会这样做：

>>> a[np.arange(4), [0, 1, 0, 1]]
array([1, 4, 5, 8])

阅读有关精确索引的the docs，尤其是关于每个维度here没有索引数组时会发生什么的部分：那些额外的np.arange数组放在那里以避免那种行为。

还要注意它们是如何重新整形的（使用[:, None]建立索引相当于.reshape(-1, 1)），以便它们的广播形状具有所需输出数组的形状。

Answer 2

我认为您正在尝试使用a的元素索引idx的元素。您可以使用Python中的map执行此操作：

map(lambda subarray, index: subarray[index], a, idx)

返回一个列表，以获得一个numpy数组：

np.asarray(map(lambda subarray, index: subarray[index], a, idx))

<强>更新

使用您更新的示例进行说明：

a = np.asarray([[1, 2], [3, 4], [5, 6], [7, 8]])
idx = np.asarray([0, 1, 0, 1])
print np.asarray(map(lambda subarray, index: subarray[index], a, idx))
# [1 4 5 8]

请注意，这与numpy无关，所以我们可以取出所有np.asarray内容，这对列表也很好。

Answer 3

您正在对ndarray http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#advanced-indexing进行高级索引编制。

高级索引始终作为一个广播和迭代：

这是触发的，因为在您的情况下，ndarray-index中的元素数量不等于您要编入索引的ndarray中的维度数。实际上，您可以生成切片的外积：索引中的每个元素都会生成索引数组的切片，而不是元素。

更新：

>>> map(lambda idx: a[idx[0],idx[1]], [[0,0], [1,1], [2,0], [3,1]])

这将返回：

[1, 4, 5, 8]

Numpy：数组索引数组

3 个答案: