用2d数组索引3d numpy数组

Question

我正在尝试从3d numpy数组中提取值。 目前，我可以执行以下操作：

newmesh.shape
(40,40,40)

newmesh[2,5,6]
6

但是，如果尝试使用数组对它进行索引，则结果将不符合预期。

newmesh[np.array([2,5,6])].shape
(3, 42, 42)

我试过使用np.take，但是会产生以下情况；

np.take(newmesh,np.array([2,5,6]))
[-1 -1 -1]

任何想法为什么会这样？ 我的目标是输入一个（n，3）数组，其中每行对应一个newmesh值，即输入一个（n，3）数组将返回长度为n的1d数组。

Answer 1

使用idx作为(n,3)索引数组，使用linear-indexing一种方法是使用np.ravel_multi_index

np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape))

具有元组形成的方法看起来像这样-

newmesh[tuple(idx.T)]

如果只有三个维度，您甚至可以使用柱状切片来索引每个维度，如下所示-

newmesh[idx[:,0],idx[:,1],idx[:,2]]

运行时测试如果有兴趣查看与列出的方法相关的性能数字，这是一个快速的运行时测试-

In [18]: newmesh = np.random.rand(40,40,40)

In [19]: idx = np.random.randint(0,40,(1000,3))

In [20]: %timeit np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape))
10000 loops, best of 3: 22.5 µs per loop

In [21]: %timeit newmesh[tuple(idx.T)]
10000 loops, best of 3: 20.9 µs per loop

In [22]: %timeit newmesh[idx[:,0],idx[:,1],idx[:,2]]
100000 loops, best of 3: 17.2 µs per loop