由整个数组索引的python numpy数组

它不是返回54 x 54形状，而是54 x 54 x 54。我怎样才能得到同样的形状？为什么它是三维的？

让我给你一个例子，我们使用

t[t\u index]

语法来帮助你理解它是如何工作的。我有时使用整数数组来表示使用颜色托盘的图像。256种颜色（rgb值）中的每一种都存储在具有形状（256，3）的托盘阵列中。图像存储为0到255之间的（10001000）整数数组，或索引到托盘数组中。如果我想创建一个rgb图像，例如为了显示，我会创建一个rgb图像，即（1000,1000,3）

更新： 我看到你在include argsort中更新了你的问题，也许你正在尝试做类似的事情。对于二维阵列，短版本如下所示：

t_index = np.argsort(adj, axis = 0)[:,::-1]  # 54 x 54 shape   
t = np.sort(adj, axis= 0)[:,::-1] # 54 x 54
t[5:,] = 0
adj = t[t_index] # 54 x 54 x 54

我一直在寻找一个很好的解释，但似乎找不到一个好的解释。如果有人对ogrid的工作原理或numpy索引中的广播工作原理有很好的参考，请在评论中留下注释。我会写一个简短的解释，这应该会有所帮助。 假设

t

是一个2d数组，我想从每列中选择2个元素，我将执行以下操作：

s = np.random.random((54, 54))
t = np.random.random((54, 54))
axis = 0

t_index = s.argsort(axis)
idx = np.ogrid[:t.shape[0], :t.shape[1]]
idx[axis] = t_index
t_sort = t[idx]

现在，假设我想要每行中的不同元素，我可以尝试：

t = np.arange((12)).reshape(3, 4)
print t
# [[ 0,  1,  2,  3],
#  [ 4,  5,  6,  7],
#  [ 8,  9, 10, 11]]

print t[[0, 3], :]
# [[ 0  1  2  3]
#  [ 8  9 10 11]]

但这是行不通的。这种行为并不奇怪，因为

：

表示每一列。在上一个示例中，我们得到了0的每一列，以及2的每一列。我们真正想要的是：

row_index = [[0, 2],
             [0, 2],
             [1, 2],
             [0, 1]]
t[row_index]
# Which in python is the same as
t[row_index, :]

Numpy还允许我们作弊并使用以下内容，因为这些值只是重复的：

row_index = [[0, 2],
             [0, 2],
             [1, 2],
             [0, 1]]
column_index = [[0, 0],
                [1, 1],
                [2, 2],
                [3, 3]]
t[row_index, column_index]

---

请阅读，以便更好地理解这一点。我希望这个解释是有帮助的。

只是一个小提示，在python中多维数组被索引为

t[I，j]

而不是

t[I][j]

。你能解释一下你想要实现什么吗？我想我明白了你想做什么，而且有更简单的方法。无论您尝试执行什么操作，您绝对不应该同时对数组进行

排序

和

argsort

。我猜您要做的是：

t_index=np.argsort（adj，axis=0）；掩模=（t_指数<调整形状[0]-5）；调整[掩码]=0

column_index = [[0],
                [1],
                [2],
                [3]]