我正在寻找一种矢量化的方法来索引numpy.array的numpy.array索引.
例如：
import numpy as np a = np.array([[0,3,4],[5,6,0],[0,1,9]]) inds = np.array([[0,1],[1,2],2]])
我想构建一个新数组,使得该数组中的每一行(i)都是数组a的一行(i),由数组inds(i)的行索引.我想要的输出是：
array([[ 0.,3.],# a[0][:,1]]
[ 6.,0.],# a[1][:,2]]
[ 0.,9.]]) # a[2][:,2]]
我可以用循环实现这个目的：
def loop_way(my_array,my_indices):
new_array = np.empty(my_indices.shape)
for i in xrange(len(my_indices)):
new_array[i,:] = my_array[i][:,my_indices[i]]
return new_array
但我正在寻找一种纯粹的矢量化解决方案.
解决方法
使用索引数组索引另一个数组时,每个索引数组的形状应与输出数组的形状匹配.您希望列索引与inds匹配,并且您希望行索引与输出的行匹配,例如：
array([[0,[2,2]])
由于广播,您可以使用上面的单个列,因此您可以使用np.arange(3)[：,None]是垂直范围,因为None会插入新轴：
>>> np.arange(3)[:,None] array([[0],[1],[2]])
最后,一起：
>>> a[np.arange(3)[:,None],inds]
array([[0,3],# a[0,1]]
[6,# a[1,2]]
[0,9]]) # a[2,2]]