由没有循环的2D索引数组索引2D numpy数组

Question

我要寻找一个量化的方式来索引numpy.array的numpy.array索引。

例如：

import numpy as np

a = np.array([[0,3,4],
              [5,6,0],
              [0,1,9]])

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

我想建立一个新的数组，以便该数组中的每一行（i）都是array的row（i）a，并由数组inds（i）的行索引。我想要的输出是：

array([[ 0.,  3.],   # a[0][:,[0,1]]
       [ 6.,  0.],   # a[1][:,[1,2]] 
       [ 0.,  9.]])  # a[2][:,[0,2]]

我可以通过循环来实现：

def loop_way(my_array, my_indices):
    new_array = np.empty(my_indices.shape)
    for i in xrange(len(my_indices)):
        new_array[i, :] = my_array[i][:, my_indices[i]]
    return new_array

但我正在寻找一种纯矢量化的解决方案。

Answer 1

使用索引数组对另一个数组进行索引时，每个索引数组的形状应与 输出 数组的形状匹配。您希望列索引匹配inds，并且您希望行索引匹配输出的行，例如：

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

由于广播的缘故，您只能使用上面的一列，因此您可以使用np.arange(3)[:,None]vertical，arange因为它会None插入新的轴：

>>> np.arange(3)[:, None]
array([[0],
       [1],
       [2]])

最后，一起：

>>> a[np.arange(3)[:,None], inds]
array([[0, 3],   # a[0,[0,1]]
       [6, 0],   # a[1,[1,2]] 
       [0, 9]])  # a[2,[0,2]]