将 numpys 花式索引与切片相结合答案

【问题标题】：Combining numpys fancy indexing with slicing将 numpys 花式索引与切片相结合
【发布时间】：2018-10-12 14:04:47
【问题描述】：

我目前有一个形状为(m, n) 的二维numpy 数组。此外，我有两个(m, p) 索引数组i1 和i2。索引总是连续的！

import numpy as np
t = np.array([[-1, -1,  0,  0,  1,  2,  2],
              [-1, -1,  0,  1,  2,  3,  3],
              [0,  0,  1,  2,  2,  3,  3]])

i1 = np.array([3, 2, 2])
i2 = np.array([4, 3, 3])

如何使用数组i1 和i2 对t 进行切片以获得以下子矩阵？

expected_t = np.array([
                      [0, 1],
                      [0, 1],
                      [1, 2]
])

那是

expected_t[0, :] = t[0, i1[0]:i2[0]]
expected_t[1, :] = t[1, i1[1]:i2[1]]
expected_t[2, :] = t[2, i1[2]:i2[2]]

此外，是否可以通过创建视图而不复制数据来做到这一点？

提前感谢所有帮助！

【问题讨论】：

我认为这本机是不可能的。如果确实需要复制，您是否正在寻找解决方案？

标签： python numpy matrix-indexing

【解决方案1】：

在 numpy 中使用精美的索引：

t[np.arange(3).reshape(3,1), np.vstack((i1,i2)).T]

或

t[np.arange(3), np.vstack((i1,i2))].T

两者都会有结果：

array([[0, 1],
   [0, 1],
   [1, 2]])

【讨论】：

【解决方案2】：

我建议这样做，但我不知道它是否存在按照示例进行索引的最快方法：

import numpy as np
t = np.array([[-1, -1,  0,  0,  1,  2,  2],
              [-1, -1,  0,  1,  2,  3,  3],
              [0,  0,  1,  2,  2,  3,  3]])

i1 = np.array([3, 2, 2])
i2 = np.array([4, 3, 3])

output = [] 
for i, (min_, max_) in enumerate(zip(i1, i2)):
    output.append(t[i, min_:max_+1])

expected_t = np.array(output)

或更短：

expected_t = np.array([t[i, j:k+1] for (i,j,k) in zip(range(len(t)), i1, i2)])

【讨论】：

值得注意的是，这不满足 OP 输出视图的标准（并不是说我相信这是可能的）。
是的，但我也不认为以这种方式可以直接查看数组。