Python中使用元组或列表对ndarray的某个维度进行非连续选取和调序

Python中使用元组或列表对ndarray的某个维度进行非连续选取和调序

大家都知道，numpy库中的ndarray可以用所谓的三帽号规则进行切片操作（详情可见我之前写的博文，链接 https://www.hhai.cc/thread-117-1-1.html）。
但是当对某个维度作非连续选择时怎么操作呢？比如在二维数组中，我想在行维度上只选择第2行和第4行怎么办？这个时候可以用Python中的元组或列表进行选择操作。关于元组或列表的概念，这里就不介绍了，这是Python中最基础的知识，不清楚的自行百度吧，随便一搜就能知道了。

举两个例子说明如何在某个维度作非连续选择。

在二维数组A中，我只想取A的第2行和第4行赋给B，该怎么操作呢？
代码如下：

import numpy as np

A = np.array([[1, 2, 3, 4, 5],
              [6, 7, 8, 9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]], dtype='int')

B = A[(2, 4), :]  

除了使用元组，也可使用列表，即语句“B = A[(2, 4), :] ”可写成“B = A[[2, 4], :] ”
运行结果如下：

可见，代码实现了把A的第2行和第4行选取了出来赋给了B(经实测，此时为深拷贝)。

有时候，我们还想把A在行的维度上进行调换，比如我把第0行第4行进行调换，怎么操作呢？可以像下面这样操作。

import numpy as np

A = np.array([[1, 2, 3, 4, 5],
              [6, 7, 8, 9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]], dtype='int')

C = A[(4, 1, 2, 3, 0), :]

运行结果如下，可见实现了调换：

同样可在二维矩阵的列维度上进行选取和调序操作，比如只选取第1列和第3列就可以写下面的代码：

A = np.array([[1, 2, 3, 4, 5],
              [6, 7, 8, 9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]], dtype='int')

B = A[:, (1, 3)]

同样，如果想把第0列和第4列进行调换就可以写下面的代码：

A = np.array([[1, 2, 3, 4, 5],
              [6, 7, 8, 9, 10],
              [11, 12, 13, 14, 15],
              [16, 17, 18, 19, 20],
              [21, 22, 23, 24, 25]], dtype='int')

C = A[:, (4, 1, 2, 3, 0)]

当维度大于2时，也可做同样的操作。比如，做图像处理的同学都知道，BGR彩色图像有三个通道，分别为B通道、G通道和R通道，有时我需要对这些通道做一个调换，比如我想把把BGR图像转化成RGB图像，那么下面这条语句就可以实现这个需求：

img_rgb = img_bgr[:, :, (2, 1, 0)]

为什么上面这句话能搞定，除了这篇博文讲的内容，你可能还需要阅读下面这篇文章
Python-OpenCV中的函数cv.imread()读取到的图像的数据存储结构是怎样的？

要特别注意的是：
以二维矩阵为例，如果两个维度都用了元组或列表，那么要求这两个元组或列表的元素个数相同，并且结果是两个元组或列表组成的坐标对应的元素值，与想像中的选取某几行的某几列是有出入的。
上面这段描述有点难以理解，大家看一个例子就明白了。
具体的例子请大家参见博文 https://www.hhai.cc/thread-119-1-1.html