使用2D数组的Numpy fancy索引-说明

我刚刚使用过numpy，现在正在（重新）积累我的numpy知识。 我有一个关于多维（在本例中是2D）数组的奇特索引的问题

给出以下代码段：

>>> a = np.arange(12).reshape(3,4)
>>> a
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11]])
>>> i = np.array( [ [0,1],                        # indices for the first dim of a
...                 [1,2] ] )
>>> j = np.array( [ [2,1],                        # indices for the second dim
...                 [3,3] ] )
>>>
>>> a[i,j]                                     # i and j must have equal shape
array([[ 2,  5],
       [ 7, 11]])

有人能用简单的英语解释一下给出结果的逻辑吗。理想情况下，该解释适用于用于索引数组的3D和更高秩数组

从概念上讲（根据对“行”和“列”的限制），使用2D数组进行索引意味着什么

从概念上讲（根据对“行”和“列”的限制），使用2D数组进行索引意味着什么

这意味着您正在构造一个二维数组R，这样

R=a[B，C]

。这意味着rij=abijcij的值

因此，这意味着位于

R[0,0]

的项目是

A

中的项目，具有行索引

B[0,0]

和列索引

C[0,0]

。项目

R[0,1]

是

A

中的项目，行索引为

B[0,1]

，列索引为

C[0,1]

，等等

---

因此，在这个具体案例中：

>>> b = a[i,j]
>>> b
array([[ 2,  5],
       [ 7, 11]])

b[0,0]=2

因为

i[0,0]=0

，而

j[0,0]=2

，因此

a[0,2]=2

b[0,1]=5

因为

i[0,0]=1

，而

j[0,0]=1

，因此

a[1,1]=5

b[1,0]=7

因为

i[0,0]=1

，而

j[0,0]=3

，因此

a[1,3]=7

b[1,1]=11

因为

i[0,0]=2

，而

j[0,0]=3

，因此

a[2,3]=11

---

因此可以说，

i

将确定“行索引”，而

j

将确定“列索引”。当然，这个概念也适用于更多维度：因此第一个“索引器”确定第一个索引中的索引，第二个“索引器”确定第二个索引中的索引，依此类推。

您构建一个二维数组，其中

[0,0]

处的元素位于

[0,2]

（该项的

i

m

j

值）等。使用R的公式进行了很好的解释。