多维数组中的多元素索引

Question

我有一个3d Numpy数组，并且考虑来自其他两个维度的某些元素，我想在一个轴上取均值。

这是一个描述我的问题的示例代码：

import numpy as np
myarray = np.random.random((5,10,30))
yy = [1,2,3,4]
xx = [20,21,22,23,24,25,26,27,28,29]
mymean = [ np.mean(myarray[t,yy,xx]) for t in np.arange(5) ]

但是，这导致：

ValueError: shape mismatch: objects cannot be broadcast to a single shape

为什么索引像myarray [：，[1,2,3,4]，[1,2,3,4]]，但不是我上面的代码？

Answer 1

这就是你喜欢多个维度的索引：

>>> np.mean(myarray[np.arange(5)[:, None, None], np.array(yy)[:, None], xx],
            axis=(-1, -2))
array([ 0.49482768,  0.53013301,  0.4485054 ,  0.49516017,  0.47034123])

当你使用花式索引，即列表或数组作为索引，在多个维度上，numpy将这些数组广播到一个共同的形状，并使用它们索引数组。 您需要在第一个索引数组的末尾添加长度为1的额外维度，以使广播正常工作。 以下是游戏规则 。

Answer 2

由于您使用连续元素，您可以使用切片：

import numpy as np
myarray = np.random.random((5,10,30))
yy = slice(1,5)
xx = slice(20, 30)
mymean = [np.mean(myarray[t, yy, xx]) for t in np.arange(5)]

Answer 3

回答你的问题为什么它不起作用：当你使用列表/数组作为索引时，Numpy使用一组不同的索引语义，而不是使用切片。 您可以在文档中看到完整的故事，正如该页面所说，它“可能有些令人难以置信”。

如果您想为非连续元素执行此操作，则必须了解该复杂的索引机制。