Python 使用numpy数组作为另一个数组的第二个dim的索引？

例如，我有两个numpy数组

A = np.array(
  [[0,1], 
   [2,3], 
   [4,5]])
B = np.array(
  [[1],
   [0],
   [1]], dtype='int')

我想从

A

的每一行中提取一个元素，该元素由

B

索引，因此我想要以下结果：

C = np.array(
  [[1],
   [2],
   [5]])

我尝试了

A[：，B.ravel（）]

，但它将播放

B

，而不是我想要的。也研究了np.take，似乎不是解决我问题的正确方法

但是，我可以使用

np。通过转置
A
选择

np.choose(B.ravel(), A.T)

但是还有其他更好的解决方案吗？
您可以使用-

样本运行-

In [57]: A
Out[57]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [58]: B
Out[58]: 
array([[1],
       [0],
       [1]])

In [59]: A[np.arange(A.shape[0]),B.ravel()]
Out[59]: array([1, 2, 5])

In [186]: A
Out[186]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [187]: B
Out[187]: [1, 0, 1]

In [188]: A[np.arange(A.shape[0]),B]
Out[188]: array([1, 2, 5])

请注意，如果
B
是
1D
数组或此类列索引的列表，只需使用
.ravel（）
跳过展平操作即可

样本运行-

In [57]: A
Out[57]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [58]: B
Out[58]: 
array([[1],
       [0],
       [1]])

In [59]: A[np.arange(A.shape[0]),B.ravel()]
Out[59]: array([1, 2, 5])

In [186]: A
Out[186]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [187]: B
Out[187]: [1, 0, 1]

In [188]: A[np.arange(A.shape[0]),B]
Out[188]: array([1, 2, 5])

你可以用-

样本运行-

In [57]: A
Out[57]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [58]: B
Out[58]: 
array([[1],
       [0],
       [1]])

In [59]: A[np.arange(A.shape[0]),B.ravel()]
Out[59]: array([1, 2, 5])

In [186]: A
Out[186]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [187]: B
Out[187]: [1, 0, 1]

In [188]: A[np.arange(A.shape[0]),B]
Out[188]: array([1, 2, 5])

请注意，如果
B
是
1D
数组或此类列索引的列表，只需使用
.ravel（）
跳过展平操作即可

样本运行-

In [57]: A
Out[57]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [58]: B
Out[58]: 
array([[1],
       [0],
       [1]])

In [59]: A[np.arange(A.shape[0]),B.ravel()]
Out[59]: array([1, 2, 5])

In [186]: A
Out[186]: 
array([[0, 1],
       [2, 3],
       [4, 5]])

In [187]: B
Out[187]: [1, 0, 1]

In [188]: A[np.arange(A.shape[0]),B]
Out[188]: array([1, 2, 5])

所以根本就没有广播？如果我从问题中得到了正确的预期输出，那么这里就不需要广播了。我们基本上是在每个维度使用整数来选择元素。我们有
B
中的第二个dim索引，因此我们只需要使用
np.arange
为第一个dim创建相应的索引。希望这是有意义的！所以根本就没有广播？如果我从问题中得到了正确的预期输出，那么这里就不需要广播了。我们基本上是在每个维度使用整数来选择元素。我们有
B
中的第二个dim索引，因此我们只需要使用
np.arange
为第一个dim创建相应的索引。希望这是有意义的！可能重复：@unutbu在这里有点不同，因为我们每行选择一个元素，而不是链接的上一个问题中每行选择多个元素。@Divakar：如果OP想要2D数组，
C
，您在链接页面上的答案会给出准确的结果。@unutbu，您链接的答案使用
np.take
，我不认为它能解决我的问题？可能的重复：@unutbu这里有点不同，因为我们在前面的问题中选择了每行一个元素，而不是每行多个元素。@Divakar：如果OP想要2D数组，
C
，你在链接页面上的答案会给出准确的结果。@unutbu，你链接的答案使用了
np.take
，我认为它不能解决我的问题？