numpy整数数组索引

numpy高级索引有一种方式为用一个数组来访问另一个数组的元素。这个数组中的每个元素都是目标数组中某个维度上的索引值。当数组索引和数组广播结合时有些不直观，本文介绍两者结合的用法。

import numpy as np 
 
x = np.array([[1,  2],  [3,  4],  [5,  6]]) 
y = x[[0,1,2],  [0,1,0]]  
print (y)
#[1  4  5]

索引矩阵在原数组每个维度的大小应该相同。上例中x有两个维度，y的两个索引大小都为[3,]，一个存储横坐标，一个存储纵坐标。

但是加入矩阵广播机制则可以更灵活处理索引。

testNP = np.array([i for i in range(90)]).reshape(5,6,3)
test = testNP[np.arange(3)[:,None],np.arange(2)[None,:],:]
print(test)
[[[ 0  1  2]
  [ 3  4  5]]

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

 [[36 37 38]
  [39 40 41]]]

np.arange(3)[:,None]是一个[3,1]的矩阵，np.arange(2)[None,:]是一个[1,2]的矩阵。两个矩阵大小不一样当时都可以广播为[3,2]的矩阵，分别为：

[[0 0]
 [1 1]
 [2 2]]

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

上面两个矩阵分别表示x第一个维度、第二个维度的索引值，最后得到[2,3]的索引结果。由于第三个维度为全切片，所以最终y的索引数组大小为[2,3,3]。

总结：numpy会先检查每个维度的索引数组大小，如果大小不相等就先广播复制为相等大小的矩阵再做切片。