Python 使用另一个二维数组索引NumPy二维数组

我有点像

m = array([[1, 2],
            [4, 5],
            [7, 8],
            [6, 2]])

及

我的目标是

result = array([1, 5, 7, 6])

我边读边试，但这并没有得到我想要的结果

---

p、 如果你能想出一个更精确的问题，请更改这个问题的标题。

使用python怎么样

result = array([subarray[index] for subarray, index in zip(m, select)])

我更喜欢使用NP.where为这类任务编制索引（而不是NP.ix)

OP中未提及的是结果是按位置（源数组中的行/列）还是按某些条件（例如，m>=5）选择的。无论如何，下面的代码片段涵盖了这两种情况

三个步骤：

创建条件数组

通过调用NP.where，传入此 条件数组；及

对源数组应用此索引数组

---

传递给NP.where的参数cnd是一个布尔数组，在本例中，它是由复合条件表达式（上面第一行）组成的单个表达式的结果

如果构建这样一个值过滤器不适用于您的特定用例，那很好，您只需要以其他方式（或直接创建）生成实际的布尔矩阵（cnd的值）。

实现这一点的基本方法是使用

np。选择
或花式索引/获取（见下文）：

因此，不需要python循环或其他任何东西，numpy提供了所有的速度优势
m.T
是必需的，因为choose实际上更像是两个数组之间的选择
np.choose（select，（m[：，0]，m[：1]）
，但这样使用它很简单


使用花式索引：

如果速度是非常重要的
np.take
，它可以在1D视图上工作（出于某种原因，速度会快一些，但对于这些微小的阵列可能不会）：

嗯，这是最简单的变体：

m[np.arange(4), select]

由于标题是指用另一个2D数组索引一个2D数组，因此可以找到实际的通用numpy解决方案

简言之：
具有任意大尺寸m的形状（n，m）的二维索引数组名为
inds
，用于访问另一个二维形状数组（n，k）（名为
B
）的元素：

# array of index offsets to be added to each row of inds
offset = np.arange(0, inds.size, inds.shape[1])

# numpy.take(B, C) "flattens" arrays B and C and selects elements from B based on indices in C
Result = np.take(B, offset[:,np.newaxis]+inds)

另一个解决方案，不使用
np.take
，我发现更直观的是：

B[np.expand_dims(np.arange(B.shape[0]), -1), inds]

这种语法的优点是，它既可以用于基于
inds
（如
np.take
）从
B
读取元素，也可以用于赋值。
我建议将“按列表过滤2D数组”作为标题。在撰写本文（np 1.9.2）时，np.choose（）可能有最多32个元素的严重限制。如果m的较长维度超过此值，则我会收到“ValueError:需要2到（32）个数组对象（包括）
m = array([[1, 2],
           [4, 5],
           [7, 8],
           [6, 2]])
select = array([0,1,0,0])

result = np.choose(select, m.T)

result = m[np.arange(len(select)), select]

result = m.take(select+np.arange(0, len(select) * m.shape[1], m.shape[1]))

m[np.arange(4), select]

# array of index offsets to be added to each row of inds
offset = np.arange(0, inds.size, inds.shape[1])

# numpy.take(B, C) "flattens" arrays B and C and selects elements from B based on indices in C
Result = np.take(B, offset[:,np.newaxis]+inds)

B[np.expand_dims(np.arange(B.shape[0]), -1), inds]