如何在Python中基于2D数组对NumPy 3D数组进行索引？

假设我有一个形状为（66,5）的NumPy数组

a

，和形状为（100,66,5）的

B

A

的元素将索引

B

的第一维度（

axis=0

），其中值从0到99（即

B

的第一维度为100）

例如，A[4,1]将采用

B

第一维度的索引7、

B

第二维度的索引4和

B

第三维度的索引1

我想要的是生成形状为（66,5）的数组

C

，其中包含

B

中的元素，这些元素是根据

A

中的元素选择的（使用

NumPy

库的函数）：

您可以使用来执行此操作：

将numpy导入为np
np.random.seed（0）
a=np.random.randint（100，大小=（66，5））
b=np.random.random（大小=（100,66,5））
c=np。沿_轴取_（b，a[np.newaxis]，轴=0）[0]
#测试一些元素
打印（c[25,3]==b[a[25,3,25,3]）
#真的

如果我理解正确，您正在寻找

B

第一维度的索引。您可以使用

np.index

创建

B

的其他两个维度所需的索引，并使用高级索引：

idx = np.indices(A.shape)
C = B[A,idx[0],idx[1]]

例如：

B = np.random.rand(10,20,30)
A = np.array([[   1,    0,    0,    1,    0],
       [   0,    2,    0,    2,    4],
       [   1,    7,    0,    5,    5],
       [   2,    1,    0,    1,    7],
       [   0,    7,    0,    1,    4],
       [   0,    0,    3,    6,    0]])

print(C[4,1]==B[7,4,1])
#True

---

一个玩具的例子可以帮助我们更好地理解。

A

是布尔掩码还是索引数组？当你说轴=0时，你是指第一个元素还是第一个维度？（axis指维度，我看不出3D数组axis=0的所有元素上的2D索引将如何生成2D数组。@Ehsan很难给出一个玩具示例。但是，我已经在编辑中尽了最大努力进行了解释。我建议添加对代码功能的解释。希望您能解释一下您的建议edit按照您的要求做了什么。I have增加了一个例子，do check.

[0]

在

c=np的末尾是什么。沿_轴取_（b，a[np.newaxis]，axis=0）[0]

？@Aqee

np。沿_轴取_

要求两个参数具有相同数量的维度，尽管它们可以广播。因此，我向

a

添加了一个初始单态维度[np.newaxis]，然后结果是

（1，66，5）

，所以我用

[0]

从结果中挤出这个维度。这相当于做

np.expand\u dims（a，0）

和

np.square（np.沿着轴（…），0）挤压

。

idx = np.indices(A.shape)
C = B[A,idx[0],idx[1]]

B = np.random.rand(10,20,30)
A = np.array([[   1,    0,    0,    1,    0],
       [   0,    2,    0,    2,    4],
       [   1,    7,    0,    5,    5],
       [   2,    1,    0,    1,    7],
       [   0,    7,    0,    1,    4],
       [   0,    0,    3,    6,    0]])

print(C[4,1]==B[7,4,1])
#True