Python 3.x 简化numpy表达式

我如何简化这一点：

import numpy as np
ex = np.arange(27).reshape(3, 3, 3)

def get_plane(axe, index):
    return ex.swapaxes(axe, 0)[index]  # is there a better way ? 

我找不到一个numpy函数来获得高维数组中的平面，有吗

编辑

ex.take（index，axis=axe）

方法很好，但是它复制了数组，而不是我最初想要的视图

那么，索引（无需复制）第n维数组以获取其二维切片的最短方法是什么呢？索引和轴受此启发，您可以执行以下操作：

def get_plane(axe, index):
    slices = [slice(None)]*len(ex.shape)
    slices[axe]=index
    return ex[tuple(slices)]

get_plane(1,1)

输出：

array([[ 3,  4,  5],
       [12, 13, 14],
       [21, 22, 23]])

---

你说的“飞机”是什么意思

In [16]: ex = np.arange(27).reshape(3, 3, 3)                                    

平面、行和列等名称是任意约定，在numpy中没有正式定义。此数组的默认显示类似于3个“平面”或“块”，每个都有行和列：

In [17]: ex                                                                     
Out[17]: 
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]]])

标准索引允许我们查看任意尺寸的任意二维块：

In [18]: ex[0]                                                                  
Out[18]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
In [19]: ex[0,:,:]                                                              
Out[19]: 
array([[0, 1, 2],
       [3, 4, 5],
       [6, 7, 8]])
In [20]: ex[:,0,:]                                                              
Out[20]: 
array([[ 0,  1,  2],
       [ 9, 10, 11],
       [18, 19, 20]])
In [21]: ex[:,:,0]                                                              
Out[21]: 
array([[ 0,  3,  6],
       [ 9, 12, 15],
       [18, 21, 24]])

有很多种方式可以说我想要维度1中的块0等，但是首先要确保您理解这个索引。这是numpy的核心功能

In [23]: np.take(ex, 0, 1)                                                      
Out[23]: 
array([[ 0,  1,  2],
       [ 9, 10, 11],
       [18, 19, 20]])

In [24]: idx = (slice(None), 0, slice(None))     # also np.s_[:,0,:]                                
In [25]: ex[idx]                                                                
Out[25]: 
array([[ 0,  1,  2],
       [ 9, 10, 11],
       [18, 19, 20]])

---

是的，你可以交换轴（或转置），这符合你的需要。

认为你在寻找

np.take

：

np.take（ex，index，axis=axe）

。很好的回答：这是很容易理解的，它提供了数组的视图，而不是复制，比如

np.take