numpy.take#

numpy.take(a, indices, axis=None, out=None, mode='raise')[源代码]#

沿轴从数组中选取元素。

当 axis 不为 None 时，此函数与“花式”索引（使用数组索引数组）执行相同的操作；但是，如果您需要沿给定轴的元素，它可能更容易使用。调用 np.take(arr, indices, axis=3) 等同于 arr[:,:,:,indices,...]。

不使用花式索引解释，这等同于以下对 ndindex 的使用，它将 ii、jj 和 kk 的每个元素设置为索引元组

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
Nj = indices.shape
for ii in ndindex(Ni):
    for jj in ndindex(Nj):
        for kk in ndindex(Nk):
            out[ii + jj + kk] = a[ii + (indices[jj],) + kk]
参数:
aarray_like (Ni…, M, Nk…)

源数组。

indicesarray_like (Nj…)

要提取的值的索引。也允许索引使用标量。

axisint, optional

用于选择值的轴。默认情况下，使用展平的输入数组。

outndarray, optional (Ni…, Nj…, Nk…)

如果提供，结果将放置在此数组中。它应该具有适当的形状和 dtype。请注意，如果 mode=’raise’，则 out 始终是缓冲的；请使用其他模式以获得更好的性能。

mode{‘raise’, ‘wrap’, ‘clip’}, optional

指定越界索引的行为。

  • ‘raise’ – 引发错误（默认）

  • ‘wrap’ – 环绕

  • ‘clip’ – 剪辑到范围

‘clip’ 模式意味着所有过大的索引都将被替换为访问沿该轴最后一个元素的索引。请注意，这会禁用使用负数进行索引。

返回:
outndarray (Ni…, Nj…, Nk…)

返回的数组的类型与 a 相同。

另请参阅

compress

使用布尔掩码选取元素

ndarray.take

等效方法

take_along_axis

通过匹配数组和索引数组来选取元素

备注

通过消除上述描述中的内层循环，并使用 s_ 构建简单的切片对象，take 可以表示为对每个一维切片应用花式索引

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
for ii in ndindex(Ni):
    for kk in ndindex(Nk):
        out[ii + s_[...,] + kk] = a[ii + s_[:,] + kk][indices]

因此，它等同于（但比）以下对 apply_along_axis 的使用（但速度更快）

out = np.apply_along_axis(lambda a_1d: a_1d[indices], axis, a)

示例

>>> import numpy as np
>>> a = [4, 3, 5, 7, 6, 8]
>>> indices = [0, 1, 4]
>>> np.take(a, indices)
array([4, 3, 6])

在此示例中，如果 a 是一个 ndarray，则可以使用“花式”索引。

>>> a = np.array(a)
>>> a[indices]
array([4, 3, 6])

如果 indices 不是一维的，则输出也具有这些维度。

>>> np.take(a, [[0, 1], [2, 3]])
array([[4, 3],
       [5, 7]])
在此页面