python – 通过没有循环的2D索引数组索引2D numpy数组

概述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 npa = np.array([[0,3,4], [5,6,0], [0,1,9]])inds = np.array([[0,1], [1,2], 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 npa = 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]]

总结

以上是内存溢出为你收集整理的python – 通过没有循环的2D索引数组索引2D numpy数组全部内容，希望文章能够帮你解决python – 通过没有循环的2D索引数组索引2D numpy数组所遇到的程序开发问题。

如果觉得内存溢出网站内容还不错，欢迎将内存溢出网站推荐给程序员好友。