Python 从numpy中的索引矩阵创建新矩阵

我有一个带形状（k，l，m）的3D numpy数组

a

，和一个带形状（k，l）的2D numpy数组

B

，其中索引（介于0和m-1之间），我想创建一个带形状（k，l）的新2D数组

C

，如下所示：

import numpy as np
A = np.random.random((2,3,4))
B = np.array([[0,0,0],[2,2,2]))
C = np.zeros((2,3))
for i in range(2):
    for j in range(3):
        C[i,j] = A[i, j, B[i,j]]

---

有更有效的方法吗？

使用Numpy库函数的内置例程名

。并将代码转换为

C = np.fromfunction(lambda i, j: A[i, j, B[i,j]], (5, 5))

使用Numpy库的函数

中的内置例程名称

。并将代码转换为

C = np.fromfunction(lambda i, j: A[i, j, B[i,j]], (5, 5))

设置：



使用整数索引选择值，然后重塑形状

x,y = np.indices(a.shape[:-1])
c = a[x,y,b]
print(c)



使用

设置：



使用整数索引选择值，然后重塑形状

x,y = np.indices(a.shape[:-1])
c = a[x,y,b]
print(c)



使用

你应该包括一个最小的数据示例-
a
和
B
对不起，我刚刚修正了你应该包括一个最小的数据示例-
a
和
B
对不起，我刚刚修正了谢谢！它给了我20倍的加速！我只需要将
dtype='int'
传递给
np.fromffunction
，因为
I
和
j
被用作索引库！它给了我20倍的加速！我只需要将
dtype='int'
传递给
np.fromffunction
，因为
I
和
j
被用作索引
[[ 3  4 11]
 [14 17 22]]

x,y = np.ix_(np.arange(a.shape[0]),np.arange(a.shape[1]))
d = a[x,y,b]