Python中多维数组的非连续切片答案

【问题标题】：Non-consecutive slicing of a multidimensional array in PythonPython中多维数组的非连续切片
【发布时间】：2018-10-30 21:06:12
【问题描述】：

我正在尝试对这样的多维数组执行非连续切片（Matlab 伪代码）

 A = B(:,:,[1,3],[2,4,6]) %A and B are two 4D matrices

但是当我尝试用 Python 编写这段代码时：

A = B[:,:,np.array([0,2]),np.array([1,3,5])] #A and B are two 4D arrays

它给出一个错误：IndexError: shape mismatch: indexing arrays could not be broadcast...

需要注意的是，每次切片一维效果很好！

【问题讨论】：

您应该在问题中包含A 和B，以及您的预期输出
什么是 B？列表还是 numpy 数组？
那段代码不能给你那个错误。唯一的索引数组是 np.array([0,2]) 和 np.array([1,3])，它们可以一起广播，它不会像在 matlab 中那样做，并且索引是关闭的，但它不应该给你错误。请提出正确的minimal reproducible example 并运行它以检查它是否重现了您的问题。
您需要np.ix_。 One relevant duplicate，another one。前者的 top-voted 答案显示了如何使用它。另外不要忘记，虽然 MATLAB 索引是从 1 开始的，但 numpy 索引是从 0 开始的。
@AndrasDeak。我在上面的代码中错了。两个索引向量的长度不同。

【解决方案1】：

在numpy中，如果你使用多个花式索引（即array）同时索引同一个数组的不同维度，它们必须广播。这样做的目的是使索引可以更强大。对于您的情况，解决问题的最简单方法是索引两次：

B[:, :, [0,2]] [..., [1,3,5]]

其中... 代表尽可能多的:。

以这种方式索引两次会产生一些额外的数据移动时间。如果您只想索引一次，请确保它们广播（即将精美的索引放在不同的维度上）：

B[:, :, np.array([0,2])[:,None], [1,3,5]]

这将产生一个X by Y by 2 by 3 数组。另一方面，你也可以这样做

B[:, :, [0,2], np.array([1,3,5])[:,None]]

这将产生一个X by Y by 3 by 2 数组。 [1,3,5] 轴在[0,2] 轴之前转置。

如果你不需要用它做花哨的操作，你不必使用np.array([0,2])。只需[0,2] 即可。

np.array([0,2])[:,None] 等价于[[0],[2]]，其中[:,None] 的意义在于创建一个额外的维度，使形状变为(2,1)。形状(2,)和(3,)不能广播，而形状(2,1)和(3,)可以，变成(2,3)。

【讨论】：