numpy花式索引模式[重复]答案

【问题标题】：numpys fancy indexing pattern [duplicate]numpy花式索引模式[重复]
【发布时间】：2021-06-18 20:42:01
【问题描述】：

我正试图了解 numpy 的精美索引。在尝试解决以下问题时，我目前无法解决问题：

给定以下 np.array t.

t = np.array([[6, 1, 8],
           [4, 3, 7],
           [9, 5, 2]])

我想使用精美的索引来实现以下模式

array([[8, 1, 8],
       [1, 8, 1],
       [8, 1, 8]])

我最接近的方法是

array([[8, 1, 8],
       [8, 1, 8],
       [8, 1, 8]])

使用t[:,[2,1,2]][[0,0,0]]

如何解决这些问题？

【问题讨论】：

什么是“花式索引”？你的意思是 Python 的标准列表切片语法？因为如果是这样，网络上已经有大量关于如何使用它的解释器。当然，包括在 SO 上。例如。 stackoverflow.com/questions/509211/understanding-slice-notation
感谢您的指出。在花哨的索引（与列表切片不同）中，将数组作为索引传递。
花式索引绝对是一个 Python 数据科学术语（尽管很少使用）。简单的谷歌搜索会显示这一点。没必要啰嗦。这里有一个很好的阅读：jakevdp.github.io/PythonDataScienceHandbook/…@Mike'Pomax'Kamermans
没有 sass，只是对一个我从未见过的不寻常术语感到困惑，尽管我曾多次使用 numpy。
@Mike'Pomax'Kamermans，该链接适用于 numpy，而不是基础 Python。 numpy.org/doc/stable/reference/… 使用名称高级索引。对于列表，只有 2 个选项 - 切片和单个索引。

标签： python numpy indexing

【解决方案1】：

我找到了两种解决问题的方法。

将具有相应点的索引映射到行和列坐标的二维数组。

row = np.array([[0,0,0],[0,0,0],[0,0,0]])
col = np.array([[2,1,2],[1,2,1],[2,1,2]])

t[row,col]

array([[8, 1, 8],
       [1, 8, 1],
       [8, 1, 8]])

与使用相同

t[  [[0,0,0],[0,0,0],[0,0,0]]  ,  [[2,1,2],[1,2,1],[2,1,2]]  ]

首先创建一个仅包含所需数字的一维数组，然后转换为一个二维数组，尽管这种方法会触发未来警告：不推荐使用非元组序列进行多维索引；使用arr[tuple(seq)] 而不是arr[seq]。将来这将被解释为数组索引arr[np.array(seq)]，这将导致错误或不同的结果。
```
  t[0,[1,2]] [[  [[1,0,1],[0,1,0],[1,0,1]]  ]]

  array([[8, 1, 8],
         [1, 8, 1],
         [8, 1, 8]])
```

【讨论】：

您的第一个解决方案也可以简化为t[0, col]。

【解决方案2】：

In [198]: t = np.array([[6, 1, 8],
     ...:            [4, 3, 7],
     ...:            [9, 5, 2]])

看起来您想要获取 2 个元素，然后重复它们。

In [199]: t[0,[2,1]]                 # select the elements
Out[199]: array([8, 1])

然后利用 np.resize 如何“填充”更大的数组：

In [200]: np.resize(_,(3,3))
Out[200]: 
array([[8, 1, 8],
       [1, 8, 1],
       [8, 1, 8]])

这不是一个非常通用的解决方案，但是我不知道您如何想象将问题概括化

另一种扩展和重塑的方式

In [217]: np.repeat(t[[[0]],[2,1]],5,0).ravel()[:9].reshape(3,3)
Out[217]: 
array([[8, 1, 8],
       [1, 8, 1],
       [8, 1, 8]])

【讨论】：