Python 在numpy中索引行和列

说我想要中间的正方形。这样做似乎是合理的：

a = np.array(list(range(16).reshape((4,4))
array([[ 0,  1,  2,  3],
       [ 4,  5,  6,  7],
       [ 8,  9, 10, 11],
       [12, 13, 14, 15]])

但我明白了：

a[[1,2],[1,2]]

这是可行的，但似乎不雅观：

array([5, 10])

因此，我的问题是：

为什么是这样？要使实施的方式合理，需要什么前提？ 是否有一种规范的方法可以同时选择多个索引？

---

您可以同时执行两个切片操作，而无需再次创建视图和索引：

将numpy作为np导入 a=np.arange16.4 如有可能，优先考虑 printa[1:3，1:3] [[ 5 6] [ 9 10]] 否则，向第一个索引添加第二个维度以使其可广播 index1=np.asarray[1,2] index2=np.asarray[1,2] printa[index1[：，无]，index2] [[ 5 6] [ 9 10]]

---

我想你可以读到更多的细节。基本上，当您按列表/数组对数组进行切片时，这些数组将一起广播和迭代

在您的情况下，您可以执行以下操作：

a[[1,2],:][:,[1,2]]
array([[5, 6],
       [9, 10]])

或如上述文件所示：

idx = np.array([1,3])
a[idx,idx[:,None]]

输出：

a[np.ix_(idx, idx)]

a.take(idx, axis=1).take(idx, axis=0)

可以使用“多个”从多个轴中选择索引

array([[ 5, 13],
       [ 7, 15]])

或者更具可读性

a = np.arange(16).reshape((4, 4))
idx = np.array([1,2])
np.take(np.take(a, idx, axis=1), idx, axis=0)

输出：

a[np.ix_(idx, idx)]

a.take(idx, axis=1).take(idx, axis=0)

---

np.take还允许您方便地环绕出界索引等。

对，我的实际用例涉及使用整数数组进行索引，如问题中所述。我编辑了我的问题以反映抱歉，当时误解了你的问题。将更新应答器当使用列表或实际数组编制索引时，数组将相互广播。x[[1,2]，[1,2]]选择对角线上的点1,1和2,2。x[[1]，[2]，[1,2]]选择块。在MATLAB中，块的索引更简单，但“对角线”更笨拙。