所有维度中的python numpy ndarray索引排列（可变维度编号）

“M”是一个numpy ndarray，其中维度“dim”编号是可变的（以前生成的），但每个维度的大小都是相同的“size”。在我的代码中，它更像dim=5，size=7

例如：（尺寸=3，尺寸=4）

我有一个我自己的排列生成器“per”，它生成范围（大小）的特定排列（不是随机排列）

我的需要：变换M，根据我需要的排列移动它的元素。在示例中：21（1个排列用于第一维度，4个排列用于第二维度，16个排列用于第三维度-广义：大小**d表示范围内（dim）的d排列）。我的排列不是随机的，但它们是独立的，彼此不同

结果可能是：

[[[36 39 37 38]
  [33 34 32 35]
  [46 44 45 47]]
  [41 43 40 42]
 [[9  10 11 8]
  [2  1  3  0]
  [6  7  5  4]
  [13 12 14 15]]
 [[56 59 57 58]
  [63 61 62 60]
  [53 54 52 55]
  [51 50 49 48]]
 [[28 30 29 31]
  [27 25 24 26]
  [17 18 16 19]
  [23 21 20 22]]]

---

在代码保持动态的情况下，如何直接从M as numpy数组执行此操作？

这是一个广播练习：

>>> import numpy as np
>>> from itertools import islice
>>> 
>>> A = np.arange(27).reshape(3,3,3)
>>> def per(n):
...     while True:
...         yield np.random.permutation(n)
... 
>>> pg = per(3)
>>> 
>>> p0 = next(pg)[..., None, None]
>>> p1 = np.array([p for p in islice(pg, 3)])[..., None]
>>> p2 = np.array([[p for p in islice(pg, 3)] for _ in range(3)])
>>> 
>>> p0
array([[[2]],

       [[1]],

       [[0]]])
>>> p1
array([[[1],
        [0],
        [2]],

       [[1],
        [0],
        [2]],

       [[0],
        [2],
        [1]]])
>>> p2
array([[[1, 0, 2],
        [0, 2, 1],
        [0, 1, 2]],

       [[2, 1, 0],
        [1, 2, 0],
        [2, 1, 0]],

       [[1, 2, 0],
        [2, 1, 0],
        [2, 1, 0]]])
>>> A[p0, p1, p2]
array([[[22, 21, 23],
        [18, 20, 19],
        [24, 25, 26]],

       [[14, 13, 12],
        [10, 11,  9],
        [17, 16, 15]],

       [[ 1,  2,  0],
        [ 8,  7,  6],
        [ 5,  4,  3]]])

索恩将军：

import numpy as np
from itertools import islice

def per(n=None):
    while True:
        n = (yield n if n is None else np.random.permutation(n)) or n

def sweep(shp):
    pg = per()
    pg.send(None)
    redshp = len(shp)*[1]
    sz = 1
    for j, k in enumerate(shp):
        pg.send(k)
        redshp[j] = k
        yield np.reshape((*islice(pg, sz),), redshp)
        sz *= k

# example
a = np.arange(24).reshape((2,3,4))
idx = *sweep(a.shape),
for i in idx:
    print(i)
print(a[idx])

---

多亏了保罗·潘泽的精彩回答，我终于解决了这个问题。 Paul的最后一个答案很好，而且是完全广义的（即使是非平方矩阵！）。 我最初的问题不太一般，因为我的目标是让我的全维排列对平方矩阵起作用。我简化并缩短了代码，所以在这里分享：

import numpy as np
from itertools import islice,count

size,dim = 4,3

per = (np.random.permutation(size) for _ in count())
idx = *(np.reshape((*islice(per, size**d),),[size]*(d+1)+[1]*(dim-d-1)) for d in range(dim)),

a = np.arange(size**dim).reshape((size,)*dim)
print(a[idx])

---

你所说的“根据我需要的排列方式移动元素”是什么意思？输入数组、输出数组和使用的排列之间的确切关系是什么？如果您看到我的示例，每行内容都已排列，但每个4*4网格中的行也已排列，网格顺序也已排列。所有这些都需要根据我的生成器中的个人排列（pertmuted index）来完成。因为我是新来的，我想了解为什么我的问题被否决。有什么问题吗？@Cépagrave我只能猜测——但这里的一些人对问题应该是什么样子有非常强烈的意见——在帮助部分查找“mcve”。如果他们怀疑你懒惰，或者你自己不够努力，或者没有尽力解释你的问题，他们就会生气。例如，user2357112向您抛出的一行——虽然我从上下文中发现它足够清晰——有些人可能会觉得它有点傲慢。但正如我所说，只是猜测而已。

import numpy as np
from itertools import islice

def per(n=None):
    while True:
        n = (yield n if n is None else np.random.permutation(n)) or n

def sweep(shp):
    pg = per()
    pg.send(None)
    redshp = len(shp)*[1]
    sz = 1
    for j, k in enumerate(shp):
        pg.send(k)
        redshp[j] = k
        yield np.reshape((*islice(pg, sz),), redshp)
        sz *= k

# example
a = np.arange(24).reshape((2,3,4))
idx = *sweep(a.shape),
for i in idx:
    print(i)
print(a[idx])

import numpy as np
from itertools import islice,count

size,dim = 4,3

per = (np.random.permutation(size) for _ in count())
idx = *(np.reshape((*islice(per, size**d),),[size]*(d+1)+[1]*(dim-d-1)) for d in range(dim)),

a = np.arange(size**dim).reshape((size,)*dim)
print(a[idx])