如何在 n 维数组中选择值答案

【问题标题】：How to select values in a n-dimensional array如何在 n 维数组中选择值
【发布时间】：2015-11-16 20:04:37
【问题描述】：

我一直在尝试执行一个简单的操作，但我似乎无法找到一种简单的方法来使用 Numpy 函数来执行此操作而不创建不必要的数组副本。

假设我们有以下 3 维数组：

In [171]: x = np.arange(24).reshape((4, 3, 2))
In [172]: x
Out[172]: 
array([[[ 0,  1],
        [ 2,  3],
        [ 4,  5]],

       [[ 6,  7],
        [ 8,  9],
        [10, 11]],

       [[12, 13],
        [14, 15],
        [16, 17]],

       [[18, 19],
        [20, 21],
        [22, 23]]])

还有以下数组：

In [173]: y = np.array([0, 1, 1, 0])

我想在x 中为每一行选择索引为y 中对应元素的最后一个维度的值。换句话说，我想要：

array([[ 0,  2, 4],
       [ 7,  9, 11],
       [13, 15, 17],
       [18, 20, 22]])

我目前唯一的解决方案是在x 和y 的第一个维度上使用for 循环，如下所示：

z = np.zeros((4, 3), dtype=int)
for i, row in enumerate(x):
    z[i, :] = row[:, y[i]]

有没有办法在这里避免 for 循环，使用 numpy 函数或花哨的索引？

谢谢！

【问题讨论】：

您的y 数组是一维的，而不是二维的（也影响标题）。
另见当前 SO 问题：stackoverflow.com/questions/33735987/…
我会很乐意更新标题，我不知道如何解释它......你有什么建议吗？ :)

标签： python arrays numpy indexing

【解决方案1】：

棘手的方面是您不希望每个切片的所有第 0 维，您希望切片与第 0 维中的每个元素对应。所以你可以这样做：

>>> x[np.arange(x.shape[0]), :, y]
array([[ 0,  2,  4],
       [ 7,  9, 11],
       [13, 15, 17],
       [18, 20, 22]])

【讨论】：

感谢您的回答！我将不得不阅读更多关于它的信息......当第一次阅读你的答案时，我认为它会给出与使用 : 对于第 0 维相同的结果，我必须测试你的解决方案以说服自己！

【解决方案2】：

花式索引：

x[np.arange(y.size),:,y]

给予：

array([[ 0,  2,  4],
       [ 7,  9, 11],
       [13, 15, 17],
       [18, 20, 22]])

【讨论】：