numpy - 使用元组列表索引 numpy 数组

Question

为什么我不能使用像这样的元组索引列表来索引 ndarray？

idx = [(x1, y1), ... (xn, yn)]
X[idx]

相反，我必须做一些像

idx2 = numpy.array(idx)
X[idx2[:, 0], idx2[:, 1]] # or more generally:
X[tuple(numpy.vsplit(idx2.T, 1)[0])]

有没有更简单，更pythonic的方式？

Answer 1

您可以使用元组列表，但约定与您想要的不同。 numpy需要一个行索引列表，后跟一个列值列表。显然，您想要指定 (x,y) 对的列表。

http://docs.scipy.org/doc/numpy/reference/arrays.indexing.html#integer-array-indexing
文档中的相关部分是“整数数组索引”。

这是一个示例，在二维数组中寻找 3 个点。 (2d 中的 2 点可能会令人困惑):

In [223]: idx
Out[223]: [(0, 1, 1), (2, 3, 0)]
In [224]: X[idx]
Out[224]: array([2, 7, 4])

使用您的 xy 索引对样式:

In [230]: idx1 = [(0,2),(1,3),(1,0)]
In [231]: [X[i] for i in idx1]
Out[231]: [2, 7, 4]

In [240]: X[tuple(np.array(idx1).T)]
Out[240]: array([2, 7, 4])

X[tuple(zip(*idx1))]是另一种进行转换的方式。 tuple()在 Python2 中是可选的。 zip(*...)是一个 Python 习语，它反转列表列表的嵌套。

您在正确的轨道上:

In [242]: idx2=np.array(idx1)
In [243]: X[idx2[:,0], idx2[:,1]]
Out[243]: array([2, 7, 4])

我的 tuple()只是更紧凑一点(不一定更“pythonic”)。鉴于 numpy约定，某种转换是必要的。

(我们应该检查什么适用于 n 维和 m 点吗？)