numpy 花式索引

numpy 的花式索引

numpy的花式索引方式有很多种，特别是多维度索引的情况下比较绕，需要理解清楚。

1. 一维的花式索引，i数组的值对应的就是a数组的索引，这样输出了一个新的数组

# input
import numpy as np

a = np.arange(12) ** 2
i = np.array([1, 1, 3, 8, 5])
print(a[i])

# output
[ 1  1  9 64 25]

2. 一维变化， 可以看到输出的是一个二维数组了。

• 首先知道a的shape=(12, )，i的shape=(2, 3), 输出的shape是根据a和i的shape来确定的，具体的下面详谈。在这个实例中，确定了输出为(2, 3)
• 按照i提供的值作为a的索引值，挨个获取值，放入到输出的数组中

# input
import numpy as np

a = np.arange(12) ** 2
i = np.array([[1, 2, 3], [4, 5, 6]])
print(a[i].shape)
print(a[i])

# output
(2, 3)
[[ 1  4  9]
 [16 25 36]]

3. 简单的多维。

• 规则：当数组a是多维的时，单个索引数组指的是第一个维度
• a[i]使用的是单个索引数组i，所以[1, 2, 3, 4]各个值分别对应a的第一个维度
  • "1"表示获取a[1]=[ 4 5 6 7]
  • "2"表示获取a[2]=[ 8 9 10 11]
  • "3"表示获取a[3]=[12 13 14 15]
  • "4"表示获取a[4]=[16 17 18 19]
• 那么输出就变成了[a[1], a[2], a[3], a[4]], 将真实的值代入，就得到我们的程序输出
• 所以，按照i的输出shape=(4, )，每个元素shape=(4, )， 合并之后，输出的shape为(4, 4)

# input
import numpy as np

a = np.arange(20).reshape(5, 4)
i = np.array([1, 2, 3, 4])
print(a[i].shape)
print(a[i])

# output
(4, 4)
[[ 4  5  6  7]
 [ 8  9 10 11]
 [12 13 14 15]
 [16 17 18 19]]

4. 复杂的多维
   按照i输出shape=(2, 2)，但是获取的每个元素shape=(4, ), 合并之后，输出shape=(2, ,2, 4)

# input
import numpy as np

a = np.arange(20).reshape(5, 4)
i = np.array([[1, 2], [3, 4]])
print(a[i].shape)
print(a[i])

# output
(2, 2, 4)
[[[ 4  5  6  7]
  [ 8  9 10 11]]
 [[12 13 14 15]
  [16 17 18 19]]]

5. 复杂的多维(2)
   上面示例中，都是a[i]的形式输出的，那么对于a[:, i]来说，":"代表先是从第0个维度开始获取值到最后一个。c = a[:, i]就转换成

c = [a[0][i], a[1][i], a[2][i], a[3][i], a[4][i]]

这个就等于每个元素按照示例2的形式处理，获得最终的输出。

# input
import numpy as np

a = np.arange(20).reshape(5, 4)
i = np.array([[1, 2], [3, 0]])
c = a[:, i]
print(c.shape)
print(c)

# output
(5, 2, 2)
[[[ 1  2]
  [ 3  0]]
 [[ 5  6]
  [ 7  4]]
 [[ 9 10]
  [11  8]]
 [[13 14]
  [15 12]]
 [[17 18]
  [19 16]]]

---

参考：https://www.numpy.org.cn/user/quickstart.html#%E8%8A%B1%E5%BC%8F%E7%B4%A2%E5%BC%95%E5%92%8C%E7%B4%A2%E5%BC%95%E6%8A%80%E5%B7%A7