使用 numpy 使用索引矩阵对向量进行索引，类似于 MATLAB答案

【问题标题】：Indexing a vector with a matrix of indicies with numpy, similar to MATLAB使用 numpy 使用索引矩阵对向量进行索引，类似于 MATLAB
【发布时间】：2020-04-28 22:26:39
【问题描述】：

我想从用索引矩阵索引的向量中提取一个填充了值的矩阵
即output(i, j) = vector(indices(i, j))

在 Matlab 中，这可以通过output = vector(indices) 来实现。

在 Python/numpy 中，我为此目的使用了以下循环，但我想知道是否有更有效的方法：

    idx = np.random.randint(0, 100, (25, 10))
    data = np.random.random(100)
    output = np.empty((np.size(idx, 0), np.size(idx, 1)))
    for i in range(0, np.size(idx, 0)):
        output[i, :] = np.squeeze(data[idx[i, :]])

非常感谢

【问题讨论】：

标签： python matlab numpy matrix indexing

【解决方案1】：

Output=vector[x, y]

X 和 Y 是您选择的坐标。同样，如果你想指定一个区间：

Output=vector[X1:X2, Y1:Y2]

只需[] 而不是()

【讨论】：

非常感谢您的回答 Bans Akin。除非我误解了您的建议，否则我不想从二维数组中索引 [X, Y] 坐标。相反，我想使用二维数组中的索引迭代地索引一维数组，输出到相应的二维数组中。

【解决方案2】：

In [547]: idx = np.random.randint(0, 100, (25, 10)) 
     ...: data = np.random.random(100) 
     ...: output = np.empty((np.size(idx, 0), np.size(idx, 1))) 
     ...: for i in range(0, np.size(idx, 0)): 
     ...:    output[i, :] = np.squeeze(data[idx[i, :]]) 

In [553]: idx.shape                                                                                       
Out[553]: (25, 10)
In [554]: output.shape                                                                                    
Out[554]: (25, 10)

简单索引；无需迭代

In [555]: np.allclose(output, data[idx])                                                                  
Out[555]: True

MATLAB 和numpy 在使用两个数组进行索引时存在差异，每个维度一个。简而言之，在 MATLAB 中索引块更容易，在numpy 中索引对角线更直接。但这与这里无关。

【讨论】：