Python Numpy：按另一个数组合并数组列表（np.choose alternative）

我有一个numpy数组列表，每个数组的形状都相同。比如说：

a = [np.array([[1, 2, 3],
               [4, 5, 6],
               [7, 8, 9]]),
     np.array([[11, 12, 13],
               [14, 15, 16],
               [17, 18, 19]]),
     np.array([[99, 98, 97],
               [96, 95, 94],
               [93, 92, 91]])]

我还有另一个相同形状的数组，它给出了我想要从中获取元素的列表索引：

b = np.array([[0, 0, 1],
              [2, 1, 0],
              [2, 1, 2]])

我想得到的是：

np.array([[1, 2, 13],
          [96, 15, 6],
          [93, 18, 91]])

有一个简单的解决方案效果很好：

np.choose(b, a)

但这最多限于32个阵列。但在我的例子中，我必须组合更多的数组（超过100个）。所以我需要另一种方法来做到这一点

我想，它一定是关于高级索引的，或者可能是

np.take

方法。因此，第一步可能是

a=np.array（a）

，然后是类似

a[np.arange（a.shape[0]），b]

。但我没有让它工作

有人能帮忙吗？：）

您可以尝试使用。根据答案。当然，您必须首先将

a

转换为NumPy数组

i, j = np.ogrid[0:3, 0:3]
print (a[b, i, j])

# array([[ 1,  2, 13],
#        [96, 15,  6],
#        [93, 18, 91]])

您希望使用

b

索引第一个维度。对于其他维度，您需要使用

b

广播的索引，即列向量和行向量：

In [133]: A[b, np.arange(3)[:,None], np.arange(3)]                              
Out[133]: 
array([[ 1,  2, 13],
       [96, 15,  6],
       [93, 18, 91]])

创建这些阵列有各种方便的功能，例如

In [134]: np.ix_(range(3),range(3))                                             
Out[134]: 
(array([[0],
        [1],
        [2]]), array([[0, 1, 2]]))

和另一个答案中提到的ogrid

这里有一个相对较新的功能也可以完成这项工作：

In [138]: np.take_along_axis(A, b[None,:,:], axis=0)                              
Out[138]: 
array([[[ 1,  2, 13],
        [96, 15,  6],
        [93, 18, 91]]])

---

在调整到

b

正确之前，我必须想一想。

我也必须想很多。为了尝试和理解这些答案：D新函数

np.take_沿轴

对我有利，因为它看起来是最可读的函数。

In [138]: np.take_along_axis(A, b[None,:,:], axis=0)                              
Out[138]: 
array([[[ 1,  2, 13],
        [96, 15,  6],
        [93, 18, 91]]])