在python中有没有一种方法可以使用非匹配索引对数组进行子集划分？

为了再现性，我目前正在将一个R文件翻译成python。我被一个名为get_density（见下文）的用户定义函数卡住了。部分用户定义函数使用R的核密度估计函数，该函数返回3个数组的列表。我的问题在用户定义函数的最后一行。在该行中，kde2d列表的最后一个元素从列表中子集，然后该元素由一个单独的矩阵子集。当我在python中尝试同样的方法时，我收到错误“索引100超出了大小为100的轴0的界限。”

我目前正在从Spyder的rStudio翻译。除了最后一行，我重新创建了kde2d和get_density函数，但是当我尝试在python中对生成的矩阵“z”进行子集时，我不断收到一条错误消息

以下是我试图翻译的原始R代码：

get_density <- function(x, y, n = 100) {
  dens <- MASS::kde2d(x = x, y = y, n = n)
  ix <- findInterval(x, dens$x)
  iy <- findInterval(y, dens$y)
  ii <- cbind(ix, iy)
  return(dens$z[ii])
}

导致错误的是返回（z[ii]）行

工作R代码的结果是一个数值列表，这就是我在python中想要的。然而，我在python中得到的唯一结果是

---

索引器错误：索引100超出了大小为100的轴0的范围，与R、Python和大多数其他编程语言相反，它使用基于零的索引。因此，包含

n

元素的数组/列表以

x[0]

开头，以

x[n-1]

结尾。在您的情况下，

x[99]

是列表的最后一个元素，

x[100]

超出范围，因此它会产生一个错误。

那么您将如何解决我的问题？我试着使用N=99，它给了我相同的错误，除了不是100，而是99

def kde2d(vals1, vals2, N):
    x=np.linspace(np.min(vals1), np.max(vals1), N)
    y=np.linspace(np.min(vals2), np.max(vals2), N)
    X,Y=np.meshgrid(x,y)
    positions = np.vstack([Y.ravel(), X.ravel()])

    values = np.vstack([vals1, vals2])
    kernel = sstat.gaussian_kde(values)
    Z = np.reshape(kernel(positions).T, X.shape)

    return [x, y, Z]

def get_density(x, y, N):
    dens = kde2d(x, y, N)
    ix = np.searchsorted(dens[0], x)
    iy = np.searchsorted(dens[0], y)
    ii = np.vstack([ix, iy])
    ii = np.rot90(ii)
    ii = np.flip(ii)
    ii = np.flip(ii, axis=1)
    z = dens[2]
    return(z[ii])