我有类似的东西
m = array([[1, 2],
[4, 5],
[7, 8],
[6, 2]])
和
select = array([0,1,0,0])
我的目标是
result = array([1, 5, 7, 6])
我在Simplfy row AND column extraction, numpy 阅读时尝试了_ix，但这并没有达到我想要的结果。
附言如果您能想到更准确的问题，请更改此问题的标题。
【问题讨论】：
标签： python numpy indexing scipy
由于标题是指用另一个 2D 数组索引一个 2D 数组，因此可以找到实际的通用 numpy 解决方案here。
简而言之：
形状为 (n,m) 的二维索引数组具有任意大尺寸 m，名为 inds，用于访问另一个形状为 (n,k) 的二维数组的元素，名为 @987654323 @：
# array of index offsets to be added to each row of inds
offset = np.arange(0, inds.size, inds.shape[1])
# numpy.take(B, C) "flattens" arrays B and C and selects elements from B based on indices in C
Result = np.take(B, offset[:,np.newaxis]+inds)
另一种不使用np.take，我觉得更直观的解决方案如下：
B[np.expand_dims(np.arange(B.shape[0]), -1), inds]
这种语法的优点是它既可以用于基于inds（如np.take）从B读取元素，也可以用于赋值。
【讨论】：
恕我直言，这是最简单的变体：
m[np.arange(4), select]
【讨论】：
numpy 方法是使用np.choose 或花哨的索引/获取（见下文）：
m = array([[1, 2],
[4, 5],
[7, 8],
[6, 2]])
select = array([0,1,0,0])
result = np.choose(select, m.T)
因此，不需要 python 循环或任何东西，因为 numpy 为您提供了所有速度优势。 m.T 只是需要，因为选择实际上更多是两个数组 np.choose(select, (m[:,0], m[:1])) 之间的选择，但像这样使用它很直接。
使用精美的索引：
result = m[np.arange(len(select)), select]
如果速度非常重要np.take，它适用于一维视图（出于某种原因，它的速度要快一些，但可能不适用于这些小阵列）：
result = m.take(select+np.arange(0, len(select) * m.shape[1], m.shape[1]))
【讨论】：
我更喜欢使用 NP.where 来执行此类索引任务（而不是 NP.ix_）
OP 中没有提到的是结果是按位置（源数组中的行/列）还是按某些条件（例如，m >= 5）选择的。无论如何，下面的代码 sn-p 涵盖了这两种情况。
三个步骤：
创建条件数组；
通过调用 NP.where 生成一个索引数组，传入这个 条件数组；和
对源数组应用这个索引数组
>>> import numpy as NP
>>> cnd = (m==1) | (m==5) | (m==7) | (m==6)
>>> cnd
matrix([[ True, False],
[False, True],
[ True, False],
[ True, False]], dtype=bool)
>>> # generate the index array/matrix
>>> # by calling NP.where, passing in the condition (cnd)
>>> ndx = NP.where(cnd)
>>> ndx
(matrix([[0, 1, 2, 3]]), matrix([[0, 1, 0, 0]]))
>>> # now apply it against the source array
>>> m[ndx]
matrix([[1, 5, 7, 6]])
传递给 NP.where 的参数 cnd 是一个布尔数组，在这种情况下，它是由复合条件表达式组成的单个表达式的结果（上面的第一行）
如果构造这样的值过滤器不适用于您的特定用例，那很好，您只需要生成实际的布尔矩阵（cnd 的值) 其他方式（或直接创建）。
【讨论】：
result = array([m[j][0] if i==0 else m[j][1] for i,j in zip(select, range(0, len(m)))])
【讨论】：
用python怎么样？
result = array([subarray[index] for subarray, index in zip(m, select)])
【讨论】：