Python 函数的作用是什么？输出用于什么？

下面显示了

numpy.ix（）

函数的输出。输出的用途是什么？它的结构非常独特

import numpy as np

>>> gfg = np.ix_([1, 2, 3, 4, 5, 6], [11, 12, 13, 14, 15, 16], [21, 22, 23, 24, 25, 26], [31, 32, 33, 34, 35, 36] )
>>> gfg
(array([[[[1]]],


       [[[2]]],


       [[[3]]],


       [[[4]]],


       [[[5]]],


       [[[6]]]]), array([[[[11]],

        [[12]],

        [[13]],

        [[14]],

        [[15]],

        [[16]]]]), array([[[[21],
         [22],
         [23],
         [24],
         [25],
         [26]]]]), array([[[[31, 32, 33, 34, 35, 36]]]]))

---

它基本上用于创建N个数组掩码或索引数组，每个数组引用不同的维度。 例如，如果我有一个3d np.ndarray，并且我只想获取其中的一些条目，我可以使用numpy.ix创建3个数组，这些数组的形状类似于（N，1,1）（1，N，1）和（1,1，N），包含3个轴中每个轴的相应索引

请看下面的示例。它们是不言自明的。
此函数不常用。 我认为它用于一些代数运算，如叉积和它的推广。

根据：

从多个序列构造开放网格。 此函数获取N个一维序列并返回N个输出，每个输出都有N个维度，这样形状在除一个维度外的所有维度中都是1，而具有非单位形状值的维度在所有N个维度中循环。 使用ix_uu可以快速构造索引数组，对叉积进行索引。[np.ix([1,3]，[2,5]）返回数组[[a[1,2]a[1,5]]，[a[3,2]a[3,5]]

的主要用途是创建开放网格，以便我们可以使用它从数组（特定子数组）中选择特定索引。一个容易理解的例子是：

假设您有一个形状为

（5,5）

的二维数组，并且希望选择通过选择行

1

和

3

以及列

0

和

3

构建的子数组。您可以使用

np.ix

创建（索引）网格，以便能够选择子阵列，如下例所示：

a = np.arange(5*5).reshape(5,5)
[[ 0  1  2  3  4]
 [ 5  6  7  8  9]
 [10 11 12 13 14]
 [15 16 17 18 19]
 [20 21 22 23 24]]

sub_indices = np.ix_([1,3],[0,3])
(array([[1],
       [3]]), array([[0, 3]]))

a[sub_indices]
[[ 5  8]
 [15 18]]

这基本上是从

a

中选择的子数组，它位于行

数组（[[1]，[3]]）

和列

数组（[[0,3]]）

：

第0列第3列
|        |
v v
[[ 0  1  2  3  4]   
[5 6 7 8 9]我读过
numpy.ix(）文档
。非常简短。您能为我的问题提供更详细、更简单的解释吗？例如，详细说明在@SunBear中何时以及如何使用它。文档已完成。请指出一个具体问题。堆栈溢出无法替代numpy的优秀文档。如果您有文档的某些特定部分存在问题，但这只是未能解决问题read@MadPhysicist你的评论带有评判性和专横性。这与SO鼓励人们通过提问学习的精神背道而驰。我读过numpy文档，但不理解，因此我的问题是我试图学习。请不要怀疑我学习的努力n、 @MadPhysicast，我也被告知海报-“阅读文档。”熊，我认为文档中的第一个示例非常好地展示了2d索引的使用。你的示例更复杂，但同样的解释适用。它是一个（5,1,1,1）、（1,5,1,1）、（1,1,5,1）和（1,1,1,1,5,1）数组的元组，可以用来选择（6,6,6）阻止一个更大的4d数组。这也是一个Python函数，因此您可以阅读代码本身。@SunBear:如果您阅读了文档中的某个内容，但不理解它，请在提问时指出文档中您不理解的特定内容。否则，您邀请的答案将无法澄清您的实际想法由使用。假设文档不存在，并且有人发布文档内容作为您问题的答案。您会在该答案下留下什么评论，以及您会要求回答者澄清什么？将该评论的材料提前纳入您的问题，我们将更好地为您提供帮助。Tha谢谢你出色的简化解释。我了解该函数的功能以及如何使用它。；）
 col 0    col 3
   |        |
   v        v
[[ 0  1  2  3  4]   
 [ 5  6  7  8  9]   <- row 1
 [10 11 12 13 14]
 [15 16 17 18 19]   <- row 3
 [20 21 22 23 24]]