为什么我不能像这样使用元组索引列表来索引 ndarray？
idx = [(x1, y1), ... (xn, yn)]
X[idx]
相反，我必须做一些笨拙的事情
idx2 = numpy.array(idx)
X[idx2[:, 0], idx2[:, 1]] # or more generally:
X[tuple(numpy.vsplit(idx2.T, 1)[0])]
有没有更简单、更 Pythonic 的方式？
【问题讨论】：
标签： numpy multidimensional-array indices
您可以使用元组列表，但约定与您想要的不同。 numpy 需要一个行索引列表，后跟一个列值列表。显然，您想要指定 (x,y) 对的列表。
http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#integer-array-indexing 文档中的相关部分是“整数数组索引”。
这是一个示例，在二维数组中寻找 3 个点。 （2d 中的 2 点可能会令人困惑）：
In [223]: idx
Out[223]: [(0, 1, 1), (2, 3, 0)]
In [224]: X[idx]
Out[224]: array([2, 7, 4])
使用您的 xy 索引对样式：
In [230]: idx1 = [(0,2),(1,3),(1,0)]
In [231]: [X[i] for i in idx1]
Out[231]: [2, 7, 4]
In [240]: X[tuple(np.array(idx1).T)]
Out[240]: array([2, 7, 4])
X[tuple(zip(*idx1))] 是另一种转换方式。 tuple() 在 Python2 中是可选的。 zip(*...) 是一个 Python 习惯用法，用于反转列表列表的嵌套。
你在正确的轨道上：
In [242]: idx2=np.array(idx1)
In [243]: X[idx2[:,0], idx2[:,1]]
Out[243]: array([2, 7, 4])
我的tuple() 只是更紧凑一点（不一定更“pythonic”）。鉴于numpy 约定，某种转换是必要的。
（我们应该检查 n 维和 m 点的工作原理吗？）
【讨论】：
使用NumPy 数组的元组，可以直接传递给你的数组索引：
index = tuple(np.array(list(zip(*index_tuple))))
new_array = list(prev_array[index])
【讨论】：
tuple(zip(*index_tuple))就够了