在numpy中用一个数组索引另一个数组

问题描述：

假设我有一个包含一些任意值的矩阵A ：

array([[ 2, 4, 5, 3],
       [ 1, 6, 8, 9],
       [ 8, 7, 0, 2]])

矩阵B包含 A 中元素的索引：

array([[0, 0, 1, 2],
       [0, 3, 2, 1],
       [3, 2, 1, 0]])

如何从B指向的A中选择值，即：

A[B] = [[2, 2, 4, 5],
        [1, 9, 8, 6],
        [2, 0, 7, 8]]

解决方案 1：

编辑：np.take_along_axis是自 1.15 版起为此用例实现的内置函数numpy。请参阅下面 @hpaulj 的回答以了解如何使用它。

您可以使用NumPy's advanced indexing-

A[np.arange(A.shape[0])[:,None],B]

也可以使用linear indexing-

m,n = A.shape
out = np.take(A,B + n*np.arange(m)[:,None])

样本运行 -

In [40]: A
Out[40]: 
array([[2, 4, 5, 3],
       [1, 6, 8, 9],
       [8, 7, 0, 2]])

In [41]: B
Out[41]: 
array([[0, 0, 1, 2],
       [0, 3, 2, 1],
       [3, 2, 1, 0]])

In [42]: A[np.arange(A.shape[0])[:,None],B]
Out[42]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

In [43]: m,n = A.shape

In [44]: np.take(A,B + n*np.arange(m)[:,None])
Out[44]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

解决方案 2：

较新的版本添加了一个take_along_axis可以完成此项工作的功能：

A = np.array([[ 2, 4, 5, 3], 
              [ 1, 6, 8, 9], 
              [ 8, 7, 0, 2]])  
                                          
B = np.array([[0, 0, 1, 2], 
              [0, 3, 2, 1], 
              [3, 2, 1, 0]])     
                                        
np.take_along_axis(A, B, 1)  
                                       
Out[]: 
array([[2, 2, 4, 5],
       [1, 9, 8, 6],
       [2, 0, 7, 8]])

还有一个put_along_axis。

解决方案 3：

我知道这是一个老问题，但使用索引的另一种方法是：

A[np.indices(B.shape)[0], B]

输出：

[[2 2 4 5]
 [1 9 8 6]
 [2 0 7 8]]

解决方案 4：

以下是使用循环的解决方案for：

outlist = []
for i in range(len(B)):
    lst = []    
    for j in range(len(B[i])):
        lst.append(A[i][B[i][j]])
    outlist.append(lst)
outarray = np.asarray(outlist)
print(outarray)

以上内容也可以用更简洁的列表推导形式来写：

outlist = [ [A[i][B[i][j]] for j in range(len(B[i]))]
                for i in range(len(B))  ]
outarray = np.asarray(outlist)
print(outarray)

输出：

[[2 2 4 5]
 [1 9 8 6]
 [2 0 7 8]]