用二維數組對三維numpy數組進行索引

Question

我試圖從一個3d numpy數組中提取值。此刻，我可以執行以下操作：

newmesh.shape 
(40,40,40) 

newmesh[2,5,6] 
6 

但是，如果我嘗試使用數組索引它，並不如預期的結果;

newmesh[np.array([2,5,6])].shape 
(3, 42, 42) 

我試過使用np.take，但它產生以下;

np.take(newmesh,np.array([2,5,6])) 
[-1 -1 -1] 

任何想法爲什麼會發生這種情況？我的目標是輸入一個（n，3）數組，其中每行對應於newmesh的值，即輸入一個（n，3）數組將返回一個長度爲n的1d數組。

Answer 1

隨着idx爲(n,3)索引陣列，使用linear-indexing一個辦法是用np.ravel_multi_index -

np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape)) 

與元組形成的一種方法是這樣的 -

newmesh[tuple(idx.T)] 

如果只有三種尺寸，您甚至可以使用柱狀切片將索引編入每個維度，例如 -

newmesh[idx[:,0],idx[:,1],idx[:,2]] 

運行測試如果任何人的興趣在看到與列出的方法相關的性能數字，這裏有一個快速運行測試 -

In [18]: newmesh = np.random.rand(40,40,40) 

In [19]: idx = np.random.randint(0,40,(1000,3)) 

In [20]: %timeit np.take(newmesh,np.ravel_multi_index(idx.T,newmesh.shape)) 
10000 loops, best of 3: 22.5 µs per loop 

In [21]: %timeit newmesh[tuple(idx.T)] 
10000 loops, best of 3: 20.9 µs per loop 

In [22]: %timeit newmesh[idx[:,0],idx[:,1],idx[:,2]] 
100000 loops, best of 3: 17.2 µs per loop