Python 整数数组索引在numpy中是如何工作的？

我无法理解numpy中的整数数组索引

>>> x = np.array([[1, 2], [3, 4], [5, 6]])
>>> x[[0, 1, 2], [0, 1, 0]]
array([1, 4, 5])

请给我解释一下这是怎么回事

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

[0,1,2]

[0,1,2]

由于第一个索引列表和第二个索引列表的大小匹配，因此它们的值将配对以从

x

中选择元素。我将用列表索引来说明：

In [78]: x[[0, 1, 2], [0, 1, 0]]
Out[78]: array([1, 4, 5])
In [79]: list(zip([0, 1, 2], [0, 1, 0]))
Out[79]: [(0, 0), (1, 1), (2, 0)]
In [80]: [x[i,j] for i,j in zip([0, 1, 2], [0, 1, 0])]
Out[80]: [1, 4, 5]

或者更明确地说，它以1d数组的形式返回

x[0,0]

、

x[1,1]

和

x[2,0]

。另一种方式是，您分别从3行中选择了

[0,1,0]

元素

由于第一个索引列表和第二个索引列表的大小匹配，因此它们的值将配对以从

x

中选择元素。我将用列表索引来说明：

In [78]: x[[0, 1, 2], [0, 1, 0]]
Out[78]: array([1, 4, 5])
In [79]: list(zip([0, 1, 2], [0, 1, 0]))
Out[79]: [(0, 0), (1, 1), (2, 0)]
In [80]: [x[i,j] for i,j in zip([0, 1, 2], [0, 1, 0])]
Out[80]: [1, 4, 5]

---

或者更明确地说，它以1d数组的形式返回

x[0,0]

、

x[1,1]

和

x[2,0]

。另一种思考方式是，您分别从3行中选择了

[0,1,0]

元素

In [179]: x = np.array([[1, 2], [3, 4], [5, 6]])                                                                     

In [180]: x                                                                                                          
Out[180]: 
array([[1, 2],
       [3, 4],
       [5, 6]])

假设我们要从该矩阵中选择

1

、

4

和

5

。因此，第0行的第0列、第1行的第1列和第2行的第0列。现在，为索引提供两个数组（矩阵的每个维度一个），在这些数组中，我们先填充行，然后填充我们感兴趣的列：

In [181]: rows = np.array([0, 1, 2])                                                                                 

In [182]: cols = np.array([0, 1, 0])                                                                                 

In [183]: x[rows, cols]                                                                                              
Out[183]: array([1, 4, 5])

---

我发现最容易理解如下：

In [179]: x = np.array([[1, 2], [3, 4], [5, 6]])                                                                     

In [180]: x                                                                                                          
Out[180]: 
array([[1, 2],
       [3, 4],
       [5, 6]])

假设我们要从该矩阵中选择

1

、

4

和

5

。因此，第0行的第0列、第1行的第1列和第2行的第0列。现在，为索引提供两个数组（矩阵的每个维度一个），在这些数组中，我们先填充行，然后填充我们感兴趣的列：

In [181]: rows = np.array([0, 1, 2])                                                                                 

In [182]: cols = np.array([0, 1, 0])                                                                                 

In [183]: x[rows, cols]                                                                                              
Out[183]: array([1, 4, 5])

从文档中的“在这种情况下，如果索引数组具有匹配的形状，并且每个被索引数组的维度都有一个索引数组，则生成的数组具有与索引数组相同的形状，并且值对应于索引数组中每个位置的索引集。”在这种情况下，如果索引数组有一个匹配的形状，并且被索引数组的每个维度都有一个索引数组，则结果数组的形状与索引数组的形状相同，并且值对应于索引数组中每个位置的索引集