Question

我一直在使用this reference来理解高级索引。一个具体的例子如下;

实施例 假设x.shape是（10,20,30）而ind是（2,3,4）形索引的intp数组，那么result = x [...，ind，：]有形状（10,2,3）因为（20，）形子空间已经被（2,3,4）形的广播索引子空间所取代。如果我们让i，j，k在（2,3,4）形子空间上循环，那么结果[...，i，j，k，：] = x [...，ind [i，j，k] ] ,:]。此示例生成与x.take（ind，axis = -2）相同的结果。

我一直试图理解这一段时间并帮助我，我有一个产生一些数组的小脚本。我有;

Indexing arrays
i => 12 x 25
j => 12 x 25
k => 12 x 1

Input array
x => 2 x 3 x 4 x 4

Output Array
Cols => 2 x 12 x 25

我用来制作Cols的代码如下;

cols = x[:, k, i, j]

根据我对示例的理解，cols实际上应该具有形状（2 x 12 x 1 x 12 x 25 x 12 x 25）。我是这样来的;

原始尺寸为2 x 3 x 4 x 4

2未改变，但所有其他尺寸都改变了

将3替换为k，12 x 1阵列

前4个被i替换，12 x 25阵列

第二个4由j替换，也是12 x 25阵列

显然我在这里误解了什么，我哪里出错？

Answer 1

这样做你想要的：

WebDriver driver = new FirefoxDriver();
 JavascriptExecutor js = (JavascriptExecutor)driver;
 jse.executeScript("window.scrollBy(0,200)", "");

为什么原始方法不会那样工作？我认为，在确定您是否同时按多个维度进行索引时，高级索引可能是贪婪的。例如，您的原始形状：

i=np.random.randint(0,4,(12,25))
j=np.random.randint(0,4,(12,25))
k=np.random.randint(0,3,(12,1))
x=np.random.randint(1,11,(2,3,4,4))

x1 = x[:,k,:,:][:,:,:,i,:][:,:,:,:,:,j]
x1.shape

(2, 12, 1, 12, 25, 12, 25)

可以通过多种方式进行解释。你想要的是每个轴都是独立的，但将其解释为6 x.shape (2,3,4,4)矩阵或2 (4,4)个张量同样有效。因此，当按(3,4,4)建立索引时，您可以将[...,i,j]解释为超过第三个轴，将i解释为超过第四个轴，或j超过最后两个轴。 Numpy猜测你的意思是第二个：

i,j

您还可以将x[...,i,j].shape (2,3,12,25)解释为8个x矩阵，这就是您执行此操作时所发生的情况：

(3,4)

请注意，我们还会将您的x[:,k,i,:].shape (2,12,25,4) (12,1)数组广播到k，以便匹配(12,25)进行索引编制。您可以使用i上的.squeeze()确认正在进行广播：

如果您将x[:,k.squeeze(),i,:] Traceback (most recent call last): IndexError: shape mismatch: indexing arrays could not be broadcast together with shapes (12,) (12,25)解释为2 x张量，numpy会同时执行这两项操作。它将(3,4,4)广播到k，然后将最后三个维度与一组三个(12,25)索引数组进行索引，将所有这三个数据减少为一个整数。

您可以使用(12,25)稍微覆盖此行为，但np.ix_的所有参数都必须为1d，因此您在没有展平和重塑的情况下运气不佳，这种失败这里的目的，但也有效：

np.ix_

高级索引返回一个形状错误的数组

1 个答案: