Python 三维numpy数组与二维数组的索引

我正在尝试从3d numpy数组中提取值。目前，我可以执行以下操作：

newmesh.shape
(40,40,40)

newmesh[2,5,6]
6

但是，如果我尝试用数组对它进行索引，结果就不符合预期

newmesh[np.array([2,5,6])].shape
(3, 42, 42)

我尝试过使用np.take，但是它会产生以下结果：

np.take(newmesh,np.array([2,5,6]))
[-1 -1 -1]

---

知道为什么会这样吗？我的目标是输入一个（n，3）数组，其中每行对应一个newmesh值，即输入一个（n，3）数组将返回一个长度为n的1d数组。

使用

idx

作为

（n，3）

索引数组，使用

线性索引的一种方法是-

具有元组形成的方法如下所示-

newmesh[tuple(idx.T)]

如果只有三个维度，您甚至可以使用柱状切片对每个维度进行索引，如下所示-

newmesh[idx[:,0],idx[:,1],idx[:,2]]

运行时测试如果有人想查看与列出的方法相关的性能数据，这里有一个快速的运行时测试-

In [18]: newmesh = np.random.rand(40,40,40)

In [19]: idx = np.random.randint(0,40,(1000,3))

In [20]: %timeit np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape))
10000 loops, best of 3: 22.5 µs per loop

In [21]: %timeit newmesh[tuple(idx.T)]
10000 loops, best of 3: 20.9 µs per loop

In [22]: %timeit newmesh[idx[:,0],idx[:,1],idx[:,2]]
100000 loops, best of 3: 17.2 µs per loop

谢谢，这很有帮助。你知道为什么我做的不正确吗？@Jack Well没有任何逗号，在NumPy数组中，你只是用
newmesh[np.array（[2,5,6]）]
之类的东西索引到第一个dim，它会从第一个dim中选择三个元素，从其余dim中选择所有元素。因此，它本质上是：
newmesh[np.array（[2,5,6]），：，：]
。
In [18]: newmesh = np.random.rand(40,40,40)

In [19]: idx = np.random.randint(0,40,(1000,3))

In [20]: %timeit np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape))
10000 loops, best of 3: 22.5 µs per loop

In [21]: %timeit newmesh[tuple(idx.T)]
10000 loops, best of 3: 20.9 µs per loop

In [22]: %timeit newmesh[idx[:,0],idx[:,1],idx[:,2]]
100000 loops, best of 3: 17.2 µs per loop