Python中多维数组的非连续切片

我正在尝试对这样的多维数组执行非连续切片（Matlab peudo代码）

但当我尝试用Python编写此代码时：

A = B[:,:,np.array([0,2]),np.array([1,3,5])] #A and B are two 4D arrays

它给出了一个错误：索引器错误：形状不匹配：无法广播索引数组

---

需要注意的是，每次只对一个维度进行切片就可以了

在

numpy

中，如果您同时使用多个花式索引（即

array

）来索引同一数组的不同维度，则它们必须广播。这是为了使索引功能更加强大而设计的。对于您的情况，解决问题的最简单方法是索引两次：

B[:, :, [0,2]] [..., [1,3,5]]

其中，

…

代表尽可能多的

：

这种方法索引两次会产生额外的数据移动时间。如果您只想索引一次，请确保它们广播（即，在不同维度上放置花哨的索引）：

这将产生一个

X×Y×2×3

数组。另一方面，你也可以这样做

B[:, :, [0,2], np.array([1,3,5])[:,None]]

这将产生一个

X×Y×3×2

数组。

[1,3,5]

轴在

[0,2]

轴之前进行换位

如果您不需要对它进行奇特的操作，就不必使用

np.array（[0,2]）

。简单地

[0,2]

就可以了

---

np.array（[0,2]）[：，None]

相当于

[[0]，[2]]]

，其中

[：，None]

的要点是创建一个额外的维度，使形状成为

（2,1）

。形状

（2，）

和

（3，）

不能广播，而形状

（2,1）

和

（3，）

可以，在

numpy

中变成

（2,3）

，如果您同时使用多个花式索引（即

数组

）来索引同一数组的不同维度，它们必须广播。这是为了使索引功能更加强大而设计的。对于您的情况，解决问题的最简单方法是索引两次：

B[:, :, [0,2]] [..., [1,3,5]]

其中，

…

代表尽可能多的

：

这种方法索引两次会产生额外的数据移动时间。如果您只想索引一次，请确保它们广播（即，在不同维度上放置花哨的索引）：

这将产生一个

X×Y×2×3

数组。另一方面，你也可以这样做

B[:, :, [0,2], np.array([1,3,5])[:,None]]

这将产生一个

X×Y×3×2

数组。

[1,3,5]

轴在

[0,2]

轴之前进行换位

如果您不需要对它进行奇特的操作，就不必使用

np.array（[0,2]）

。简单地

[0,2]

就可以了

---

np.array（[0,2]）[：，None]

相当于

[[0]，[2]]]

，其中

[：，None]

的要点是创建一个额外的维度，使形状成为

（2,1）

。形状

（2，）

和

（3，）

不能广播，而形状

（2,1）

和

（3，）

可以，这就变成了

（2,3）

你的问题中应该包括

A

和

B

，以及你的预期输出B是什么？列表还是numpy数组？那段代码不能给你那个错误。唯一的索引数组是

np.array（[0,2]）

和

np.array（[1,3]）

，它们可以一起广播，它不会像在matlab中那样做，索引是关闭的，但不应该给你那个错误。请提出一个正确的解决方案并运行它，以检查它是否再现了您的问题。您需要

np.ix\uu

。前一个答案的投票结果显示了如何使用它。也不要忘记，虽然MATLAB索引是基于1的，但numpy索引是基于0的。@AndrasDeak。上面的代码我错了。这两个索引向量的长度不同。您应该在问题中包括

A

和

B

，以及您的预期输出B是什么？列表还是numpy数组？那段代码不能给你那个错误。唯一的索引数组是

np.array（[0,2]）

和

np.array（[1,3]）

，它们可以一起广播，它不会像在matlab中那样做，索引是关闭的，但不应该给你那个错误。请提出一个正确的解决方案并运行它，以检查它是否再现了您的问题。您需要

np.ix\uu

。前一个答案的投票结果显示了如何使用它。也不要忘记，虽然MATLAB索引是基于1的，但numpy索引是基于0的。@AndrasDeak。上面的代码我错了。这两个索引向量的长度不同。