Numpy 多变量索引？

我想，有可能一次索引多个维度吗？通过一些广播。例如：

假设我有一个数组

A

，形状

（n，d）

。假设我有一个索引数组，比如说

i

，其整数值介于

0

和

d-1

之间。设置

B=A[：，I]

如果

shape（I）=（k，）

，对于

k

，则

B

具有shape

（n，k）

和

B[x，y]=A[x，I[y]

但是如果

shape（I）=（k，p）

对于任何

（k，p）

，那么我希望

B

被

（n，k，p）

塑造成

B[x，y，z]=A[x，I[y，z]

1°我如何获得这种行为

---

2°是否有我没有看到的缺点

您可以完全按照您描述的方式进行：

import numpy as np
n = 100
d = 20
k = 10
p = 17

A = np.random.random((n, d))
I = np.random.randint(low=0, high=d, size=(k, p))
B = A[:, I]
print(B.shape)  # (n, k, p)

# Testing if the new array B is constructed as expected
x = 3
y = 5
z = 7
print(B[x, y, z])
print(A[x, I[y, z]])
print(B[x, y, z] == A[x, I[y, z]])

---

如果没有上下文，很难回答这是否是一个好的实现。但总的来说，如果你想提高速度，使用numpy和矢量化是个好主意。

我不知道是什么让我困惑。我想我很难理解掩蔽和索引之间的区别，我会继续读下去。无论如何，谢谢你的提醒！你让我开心。。