使用可变 NumPy 切片保留维度答案

【问题标题】：Preserving dimensions with variable NumPy slice使用可变 NumPy 切片保留维度
【发布时间】：2017-05-11 14:18:32
【问题描述】：

我有一个 3d NumPy 数组，我想从中获取许多切片。这些切片在第一维和第二维中将具有一个或多个长度，而第三维将完整返回。切片应始终为 3d。

我的尝试：

import numpy as np

a = np.zeros((1000, 10, 100))
row_sets = ([19, 20], [21])
col_sets = ([6], [7, 8])

for rows in row_sets:
    for cols in col_sets:
        b = a[[rows], [cols]]
        print(rows, cols, b.shape)

结果：

[19, 20] [6] (1, 2, 100)
[19, 20] [7, 8] (1, 2, 100)
[21] [6] (1, 1, 100)
[21] [7, 8] (1, 2, 100)

如果我从切片中删除嵌套括号：

b = a[rows, cols]

我在第二个维度上遇到了同样的问题，并且没有保留维度：

[19, 20] [6] (2, 100)
[19, 20] [7, 8] (2, 100)
[21] [6] (1, 100)
[21] [7, 8] (2, 100)

我正在寻找的结果是这样的：

[19, 20] [6] (2, 1, 100)
[19, 20] [7, 8] (2, 2, 100)
[21] [6] (1, 1, 100)
[21] [7, 8] (1, 2, 100)

【问题讨论】：

标签： python arrays numpy slice

【解决方案1】：

您正在通过使用整数列表作为索引来触发advanced indexing，这会减少结果数组的维度，如果您还想对数组进行切片，您可以使用np.ix_ 来从整数列表重建切片索引：

for rows in row_sets:
    for cols in col_sets:
        b = a[np.ix_(rows, cols)]
        print(rows, cols, b.shape)

#[19, 20] [6] (2, 1, 100)
#[19, 20] [7, 8] (2, 2, 100)
#[21] [6] (1, 1, 100)
#[21] [7, 8] (1, 2, 100)

【讨论】：