import numpy as np
arr = np.arange(9, dtype = "float").reshape(3,3)
ind1 = np.array([[1,2],[0,1]])
ind2 = np.array([[0,2],[1,2]])
arr2 = arr[ind1,ind2]
大家好，
希望你平安健康！！！
我是 numpy 的新手，我正在研究 numpy 的概念，并且遇到了上述问题。我理解到最后第二行，但最后一行我仍然无法了解它是如何发生的？
答案是[[3. 8.] [1.,5.]] 上面的问题是MCQ（所以在hit and trial的方法中得到了答案）。
待在家里注意安全！！！！
提前谢谢你。
【问题讨论】：
标签： python arrays python-3.x numpy python-3.8
ind 数组为 (2,2) 的事实可能会使索引的可视化变得更加困难。
In [41]: ind1, ind2
Out[41]:
(array([[1, 2],
[0, 1]]),
array([[0, 2],
[1, 2]]))
让我们解开它们 - 相同的值，但在 1d 中：
In [42]: ind1.ravel(), ind2.ravel()
Out[42]: (array([1, 2, 0, 1]), array([0, 2, 1, 2]))
使用该元组对arr 进行索引会产生相同的值，但为 1d：
In [43]: arr[_]
Out[43]: array([3, 8, 1, 5])
这些值是这样配对的：
In [45]: list(zip(*Out[42]))
Out[45]: [(1, 0), (2, 2), (0, 1), (1, 2)]
In [47]: [arr[ij] for ij in Out[45]]
Out[47]: [3, 8, 1, 5]
将其重新整形为 (2,2) 以获得原始索引。
更一般地说，当使用数组进行索引时，它们是broadcast 相互对抗的。这些规则允许我们混合标量、一维数组和二维数组。这里虽然broadcasting 很简单，因为两个数组具有相同的形状 (2,2)。
【讨论】：
这是一个索引数组的例子（如果你是 numpy 的新手，这不是一个基本概念）。 arr2 等价于：
arr2 = [ [arr[ind1[0,0], ind2[0,0]], arr[ind1[0,1], ind2[0,1]]], [arr[ind1[1,0], ind2[1,0]], arr[ind1[1,1], ind2[1,1]]] ]
print(arr2)
#[[3.0, 8.0], [1.0, 5.0]]
【讨论】：