在numpy中用另一个数组索引一个数组答案

【问题标题】：Indexing one array by another in numpy在numpy中用另一个数组索引一个数组
【发布时间】：2020-06-11 17:29:51
【问题描述】：

假设我有一个矩阵 A 有一些任意值：

array([[ 2, 4, 5, 3],
       [ 1, 6, 8, 9],
       [ 8, 7, 0, 2]])

还有一个矩阵B，其中包含A中元素的索引：

array([[0, 0, 1, 2],
       [0, 3, 2, 1],
       [3, 2, 1, 0]])

如何从B指向的A中选择值，即：

A[B] = [[2, 2, 4, 5],
        [1, 9, 8, 6],
        [2, 0, 7, 8]]

【问题讨论】：

标签： python numpy

【解决方案1】：

最近的版本添加了一个 take_along_axis 函数来完成这项工作：

A = np.array([[ 2, 4, 5, 3], 
              [ 1, 6, 8, 9], 
              [ 8, 7, 0, 2]])  
                                          
B = np.array([[0, 0, 1, 2], 
              [0, 3, 2, 1], 
              [3, 2, 1, 0]])     
                                        
np.take_along_axis(A, B, 1)  
                                       
Out[]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

还有一个put_along_axis。

【讨论】：

【解决方案2】：

编辑：np.take_along_axis 是自 numpy 1.15 以来实现的此用例的内置函数。请参阅下面@hpaulj 的answer 了解如何使用它。

你可以使用NumPy's advanced indexing -

A[np.arange(A.shape[0])[:,None],B]

也可以使用linear indexing -

m,n = A.shape
out = np.take(A,B + n*np.arange(m)[:,None])

示例运行 -

In [40]: A
Out[40]: 
array([[2, 4, 5, 3],
       [1, 6, 8, 9],
       [8, 7, 0, 2]])

In [41]: B
Out[41]: 
array([[0, 0, 1, 2],
       [0, 3, 2, 1],
       [3, 2, 1, 0]])

In [42]: A[np.arange(A.shape[0])[:,None],B]
Out[42]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

In [43]: m,n = A.shape

In [44]: np.take(A,B + n*np.arange(m)[:,None])
Out[44]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

【讨论】：

我不明白这些是如何工作的......你能补充一些解释吗？
@JasonS 基本上使用沿第一个轴的范围数组为B 中的每个元素沿该轴选择一个。提供的链接应提供所需的所有详细信息。
嗯...好吧，这很好，但我查看了高级索引链接，这对我来说没有意义。我需要将您的示例扩展到仅应用最后一个索引的 N 维数组，我不知道该怎么做。

【解决方案3】：

我知道这是一个老问题，但使用索引的另一种方法是：

A[np.indices(B.shape)[0], B]

输出：

[[2 2 4 5]
 [1 9 8 6]
 [2 0 7 8]]

【讨论】：

非常优雅的做法！

【解决方案4】：

以下是使用for循环的解决方案：

outlist = []
for i in range(len(B)):
    lst = []    
    for j in range(len(B[i])):
        lst.append(A[i][B[i][j]])
    outlist.append(lst)
outarray = np.asarray(outlist)
print(outarray)

上面也可以写成更简洁的列表理解形式：

outlist = [ [A[i][B[i][j]] for j in range(len(B[i]))]
                for i in range(len(B))  ]
outarray = np.asarray(outlist)
print(outarray)

输出：

[[2 2 4 5]
 [1 9 8 6]
 [2 0 7 8]]

【讨论】：

提问者正在寻找一种使用简单切片而不是 for 循环的解决方案。切片比 for 循环快得多。