通过没有循环的二维索引数组索引二维 numpy 数组

Question

我正在寻找一种矢量化的方法来通过numpy.array索引索引numpy.array 。

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],
                 [0,2]])

我想建立一个新的阵列，使得阵列中的每一行（i）是阵列中的一行（一） a ，通过阵列INDS（I）的行索引。 我想要的输出是：

array([[ 0.,  3.],   # a[0][:,[0,1]]
       [ 6.,  0.],   # a[1][:,[1,2]] 
       [ 0.,  9.]])  # a[2][:,[0,2]]

我可以用一个循环来实现这一点：

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 

但我正在寻找一个纯矢量化的解决方案。

Answer 1

当使用索引数组来索引另一个数组时，每个索引数组的形状应该与输出数组的形状相匹配。 您希望列索引匹配inds ，并且您希望行索引匹配输出的行，例如：

array([[0, 0],
       [1, 1],
       [2, 2]])

你可以只使用上述的单个列中，由于广播，所以可以使用np.arange(3)[:,None]为垂直arange因为None插入一个新的轴：

>>> np.arange(3)[:, None]
array([[0],
       [1],
       [2]])

最后，一起：

>>> a[np.arange(3)[:,None], inds]
array([[0, 3],   # a[0,[0,1]]
       [6, 0],   # a[1,[1,2]] 
       [0, 9]])  # a[2,[0,2]]

Answer 2

这样做是有可能的，虽然有点不明显，如下所示：

>>> a[np.arange(a.shape[0])[:, None], inds]
array([[0, 3],
       [6, 0],
       [0, 9]])

索引np.arange(a.shape[0])只是索引列索引inds数组所适用的行。 附加[:, None]修改此数组的形状，使其形状为(a.shape[0], 1) ，即每个行索引位于 1 列宽的 2D 数组的单独行中。

基本原则是索引数组的维数必须一致，它们的形状也必须一致。 请参阅np.ix_文档以了解这一点。