Python 如何使用索引向量切片三维数据阵列

考虑三维numpy阵列：

ax1, ax2, ax3 = 3, 3, 2
arr = np.asarray(range(ax1*ax2*ax3)).reshape([ax1, ax2, ax3])
arr: [[[0, 1], [2, 3], [4, 5]],
      [[6, 7], [8, 9], [10, 11]],
      [[12, 13], [14, 15], [16, 17]]]

和一个索引向量

idx=[0,1,2]

我想通过以下语句使用

idx

对数组

arr

进行切片：

res = [arr[i, :idx[i]+1] for i in range(ax1)]
res: [[[0, 1]],
      [[6, 7], [8, 9],
      [[12, 13], [14, 15], [16, 17]]]

但是这种切片看起来很复杂

numpy是否支持这种不使用循环的操作？

---

我正在寻找类似于

arr[range（ax1），：idx+1]

的东西，这里有一种矢量化方法，假设

arr

和

idx

为NumPy数组-

np.split(arr[np.arange(arr.shape[0]) <= idx[:,None]],(idx+1).cumsum())[:-1]

---

np.split（arr[np.arange（arr.shape[0]）您的问题是结果值不是矩形的：您无法将其正确表示为数组

如果您对仅使用不同格式的值感到满意，您可以通过以下方式获得所需：

原则是，对于[0；2]^2中的每一对索引，您都要传递是否应获取该对索引：

>>> np.tri(3, 3, dtype=bool)
array([[ True, False, False],
       [ True,  True, False],
       [ True,  True,  True]], dtype=bool)

这就引出了极其简洁的：

>>> arr[np.tri(3, 3, dtype=bool)]
array([[ 0,  1],
       [ 6,  7],
       [ 8,  9],
       [12, 13],
       [14, 15],
       [16, 17]])

寻找“简单”解决方案的任何特殊原因？性能方面的效率是相关问题吗？我只想寻找不使用循环的numpy切片操作。您的
idx
是否总是
[0，1，2]
？
>>> np.tri(3, 3, dtype=bool)
array([[ True, False, False],
       [ True,  True, False],
       [ True,  True,  True]], dtype=bool)

>>> arr[np.tri(3, 3, dtype=bool)]
array([[ 0,  1],
       [ 6,  7],
       [ 8,  9],
       [12, 13],
       [14, 15],
       [16, 17]])