numpy：使用一维数组作为二维数组索引的有效方法

我想生成

M

，其中M中的每个条目定义为

M[r，c]==X[r，y[r]]

；也就是说，使用

y

索引到

X

的相应列中

我如何才能有效地完成这项工作（没有循环）

M

可以有一个列，但最终我需要广播它，使其具有与

X

相同的形状

c

从

X

（0）的第一列开始，到最后一列（9）。

只需执行以下操作：

X.shape == (10,4)
y.shape == (10)

为了

---

M

的预期形状是什么？这是怎样的

c

设置？谢谢！你能解释一下这是怎么回事吗？我发现很难区分numpy的广播和数组访问与voodoo。另外：

range

是Python对象，对于非常大的数组（我正在使用），速度会很慢。我们可以用Numpy数组代替吗？但是

np.array（范围（100000））

比

np.arange（100000）

慢得多，即使在python3上也是如此。在numpy中解决这一问题并不难，尽管

X[np.arange（10），Y]

更快，但它确实应该在更大的数组上进行测试。@SRobertames:Python索引描述如下。

X=np.arange(40).reshape(10,4)
Y=np.random.randint(0,4,10)

M=X[range(10),Y]

In [8]: X
Out[8]: 
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15],
       [16, 17, 18, 19],
       [20, 21, 22, 23],
       [24, 25, 26, 27],
       [28, 29, 30, 31],
       [32, 33, 34, 35],
       [36, 37, 38, 39]])

In [9]: Y
Out[9]: array([1, 1, 3, 3, 1, 2, 2, 3, 2, 1])

In [10]: M
Out[10]: array([ 1,  5, 11, 15, 17, 22, 26, 31, 34, 37])