Python Numpy使用多维数组索引一维数组

我不理解以下代码，即代码的最后一部分

max = np.max(rel_coords, axis=0)
min = np.min(rel_coords, axis=0)
bins = [np.arange(low, high) for low, high in zip(min, max)]

new_coord = np.array(np.meshgrid(*bins)).T
coord_norms = norm(new_coord, axis=-1).round().astype(int)
bin_count = np.bincount(coord_norms.flatten())
new_count = bin_count[coord_norms]

有人能解释一下我如何使用二维数组（坐标）为一维数组（bin_计数）编制索引吗？ 我确实了解numpy广播和高级索引，但我想了解本案的幕后情况。bin_count是否首先以与coord_标准相同的形状广播？

---

Python如何分配新数据中的值？

具体来说，bin_count是形状（12，）和coord_范数是形状（16，16），换句话说，没有广播魔法在起作用。如果您有一个数组

arr

，并使用数组

b

进行索引，那么输出形状自然会跟随索引形状。如果

b

只是一个标量，那么输出就是一个标量。如果

b

是1D数组，则输出将是1D数组。以此类推。好的，coord_范数[i，j]的计算值为5。然后使用这个值（5），使得新的_计数[i，j]=bin_计数[5]？如果coord_范数[i，j]计算为12，但bin_计数只有5个元素，会发生什么。这会引起索引器吗？没错。如果

a=np.array（[5,6]）

，那么

a[[0,1]，[0,1]]]

（一个二维索引）将计算为

[[5,6]，[5,6]]

。