使用数组的 Numpy 索引答案

【问题标题】：Numpy indexing using array使用数组的 Numpy 索引
【发布时间】：2012-09-21 23:37:32
【问题描述】：

我试图从数组中返回一个（方形）部分，其中索引环绕边缘。我需要处理一些索引，但是它可以工作，但是，我希望最后两行代码具有相同的结果，为什么不呢？ numpy 如何解释最后一行？

还有一个额外的问题：我用这种方法效率低下吗？我正在使用product，因为我需要对范围取模以便它环绕，否则我当然会使用a[imin:imax, jmin:jmax, :]。

import numpy as np
from itertools import product

i = np.arange(-1, 2) % 3
j = np.arange(1, 4) % 3

a = np.random.randint(1,10,(3,3,2))

print a[i,j,:]
# Gives 3 entries [(i[0],j[0]), (i[1],j[1]), (i[2],j[2])]
# This is not what I want...

indices = list(product(i, j))
print indices

indices = zip(*indices)

print 'a[indices]\n', a[indices]
# This works, but when I'm explicit:
print 'a[indices, :]\n', a[indices, :]
# Huh?

【问题讨论】：

标签： multidimensional-array numpy

【解决方案1】：

问题是advanced indexing 在以下情况下被触发：

选择对象，obj，是 [...] 一个包含至少一个序列对象或 ndarray 的元组

在您的情况下，最简单的解决方法是使用重复索引：

a[i][:, j]

另一种方法是使用ndarray.take，如果您指定mode='wrap'，它将为您执行模运算：

a.take(np.arange(-1, 2), axis=0, mode='wrap').take(np.arange(1, 4), axis=1, mode='wrap')

【讨论】：

【解决方案2】：

提供另一种在我看来比product 解决方案更好的高级索引方法。

如果每个维度都有一个整数数组，它们会一起广播，并且输出与广播形状相同（您会明白我的意思）...

i, j = np.ix_(i,j) # this adds extra empty axes

print i,j 

print a[i,j]
# and now you will actually *not* be surprised:
print a[i,j,:]

请注意，这是一个 3x3x2 数组，而您有一个 9x2 数组，但简单的 reshape 将解决这个问题，并且 3x3x2 数组实际上可能更接近您想要的。

实际上，惊喜仍然以某种方式隐藏，因为在您的示例中，a[indices] 与 a[indices[0], indicies[1]] 相同，但 a[indicies,:] 是 a[(indicies[0], indicies[1]),:]，这并不奇怪它不同。请注意，a[indicies[0], indicies[1],:] 确实给出了相同的结果。

【讨论】：

【解决方案3】：

见：http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#advanced-indexing

当您添加: 时，您正在混合整数索引和切片。这些规则非常复杂，并且比我在上面的链接中解释得更好。

【讨论】：