有没有办法在 NumPy 中进行基于数组的索引，以便选择与索引数组元素的所有可能组合相对应的索引？ [复制]答案

【问题标题】：Is there a way to do array-based indexing in NumPy so that indices corresponding to all possible combinations of indexing array elements are selected? [duplicate]有没有办法在 NumPy 中进行基于数组的索引，以便选择与索引数组元素的所有可能组合相对应的索引？ [复制]
【发布时间】：2020-02-10 16:10:53
【问题描述】：

arr = np.zeros([5,5])
idx_arr = np.array([1,3,4])

arr[idx_arr, idx_arr] += 1
print(arr)

上面给出了以下输出：

array([[0., 0., 0., 0., 0.],
       [0., 1., 0., 0., 0.],
       [0., 0., 0., 0., 0.],
       [0., 0., 0., 1., 0.],
       [0., 0., 0., 0., 1.]])

我正在寻找以下输出：

array([[0., 0., 0., 0., 0.],
       [0., 1., 0., 1., 1.],
       [0., 0., 0., 0., 0.],
       [0., 1., 0., 1., 1.],
       [0., 1., 0., 1., 1.]])

在 R 中，这种形式的索引相当于：

df[c(1,2,3),c(1,2,3)]

这将产生一个 3 x 3 的数据框或矩阵子部分。

任何帮助将不胜感激！

【问题讨论】：

在这里广播。 arr[idx_arr[:, None], idx_arr] +=1

标签： python arrays numpy indexing

【解决方案1】：

您可以通过向其中一个索引数组添加维度来获得此结果，因此较小的在较大的广播：

arr[idx_arr[:,None], idx_arr] += 1
print(arr)

[[0. 0. 0. 0. 0.]
 [0. 1. 0. 1. 1.]
 [0. 0. 0. 0. 0.]
 [0. 1. 0. 1. 1.]
 [0. 1. 0. 1. 1.]]

或者也可以使用np.ix_:

arr[np.ix_(idx_arr, idx_arr)] += 1

【讨论】：