Python numpy数组中的索引混淆

我真的被多维numpy数组的索引逻辑弄糊涂了。以下是一个例子：

import numpy as np
A = np.arange(18).reshape(3,2,3)
[[[ 0,  1,  2],
  [ 3,  4,  5]],

 [[ 6,  7,  8],
  [ 9, 10, 11]],

 [[12, 13, 14],
  [15, 16, 17]]])

这给了我一个形状数组（3,2,3），为了便于论证，将它们称为（x，y，z）。现在我想要一个数组B，其中A中的元素对应于x=0,2Y=0,1和z=1,2。像

array([[[ 1,  2],
        [4,  5]],

       [[13, 14],
        [16, 17]]])

我天真地认为

B=A[[0,2],[0,1],[1,2]]

我会做的。但它给

array([  2, 104]) 

而且不起作用

A[[0,2],:,:][:,:,[1,2]]

---

他做这项工作。但我仍然想知道我的第一次尝试有什么问题。做我想做的事情的最佳方法是什么？

我推荐以下高级教程，其中解释了各种索引方法：

一旦您了解了索引数组的强大方法（以及如何组合它们），这将是有意义的。如果您的第一次尝试是有效的，那么这将与其他一些索引技术发生冲突（减少您在其他用例中的选项）

在您的示例中，您可以利用第三个索引覆盖的连续范围：

 A[[0,2],:,1:]

你也可以使用

A[np.ix_([0,2],[0,1],[1,2])]

在更一般的情况下，当后一个指数不是连续的时，这是很方便的

np.ix

仅构造三个索引数组

正如斯文在回答中指出的那样，在这种特定情况下有一种更有效的方法（使用视图而不是复制的版本）

---

编辑：正如斯文指出的那样，我的回答中包含一些错误，我已经删除了这些错误。我仍然认为他的答案更好，但不幸的是，我现在不能删除我的答案。

在NumPy和中有两种类型的索引。基本索引使用切片元组进行索引，不复制数组，而是复制。相比之下，高级索引还使用索引列表或数组并复制数组

你的第一次尝试

B = A[[0, 2], [0, 1], [1, 2]]

使用高级索引。在高级索引中，所有索引列表首先指向同一形状，该形状用于输出数组。在这种情况下，它们已经具有相同的形状，因此广播不起任何作用。输出数组也将具有两个条目的这种形状。输出数组的第一个条目通过使用三个列表的所有第一个索引获得，第二个条目通过使用所有第二个索引获得：

B = numpy.array([A[0, 0, 1], A[2, 1, 2]])

你的第二种方法

B = A[[0,2],:,:][:,:,[1,2]]

确实有效，但效率很低。它使用高级索引两次，因此您的数据将被复制两次

要使用高级索引获得实际需要的内容，可以使用

A[np.ix_([0,2],[0,1],[1,2])]

正如他所指出的那样。这将只复制一次数据

在您的示例中，您可以不复制任何数据，只使用基本索引：

B = A[::2, :, 1:2]

如果你愿意

array([[[ 1,  2],
        [ 4,  5]],

       [[13, 14],
        [16, 17]]])

---

A[需要索引，需要行，需要列]

一些备注：1。前两个代码段是不等价的——它们产生不同形状的数组。第一行的解释与第二行不同。2.jonalm的解决方案不可取，因为它会复制阵列两次。我试着在另一个答案中解释这些问题。谢谢Sven，但是有没有比使用高级索引更好的方法从数组中提取非连续（或规则间隔）的索引。（我的例子太简单了，因为我提取的所有索引都是连续间隔的）如果您的索引不是规则间隔的，您当然必须使用高级索引。正如nikow已经指出的那样，本例中的方法是使用

ix_u

语法。我只是想补充一些细节，比如你自己的方法对于大型阵列效率低下。回答得很好，谢谢你指出我的错误。我应该考虑一下高级索引对效率的影响。我个人的看法是：你的两种方法都会触发Numpy的高级索引。在高级索引上下文中，[[0,2]、[0,1]、[1,2]]被解释为“选择每个维度中的每个索引编号（有点贪婪的方法）。

array([[[ 1,  2],
        [ 4,  5]],

       [[13, 14],
        [16, 17]]])