numpy.indices#
- numpy.indices(dimensions, dtype=<class 'int'>, sparse=False)[source]#
返回表示网格索引的数组。
计算一个数组,其中子数组包含索引值 0、1、…,仅沿相应的轴变化。
- 参数:
- dimensions整数序列
网格的形状。
- dtype数据类型,可选
结果的数据类型。
- sparse布尔值,可选
返回网格的稀疏表示而不是密集表示。默认为 False。
版本 1.17 中的新功能。
- 返回值:
- grid一个 ndarray 或 ndarray 的元组
- 如果 sparse 为 False
返回一个网格索引数组,
grid.shape = (len(dimensions),) + tuple(dimensions)
。- 如果 sparse 为 True
返回一个数组元组,其中
grid[i].shape = (1, ..., 1, dimensions[i], 1, ..., 1)
,其中 dimensions[i] 在第 i 个位置
注释
密集情况下的输出形状是通过在维度元组前面添加维度数来获得的,即如果dimensions 是一个长度为
N
的元组(r0, ..., rN-1)
,则输出形状为(N, r0, ..., rN-1)
。子数组
grid[k]
包含沿第k-th
轴的 N 维索引数组。明确地grid[k, i0, i1, ..., iN-1] = ik
示例
>>> import numpy as np >>> grid = np.indices((2, 3)) >>> grid.shape (2, 2, 3) >>> grid[0] # row indices array([[0, 0, 0], [1, 1, 1]]) >>> grid[1] # column indices array([[0, 1, 2], [0, 1, 2]])
索引可以用作数组的索引。
>>> x = np.arange(20).reshape(5, 4) >>> row, col = np.indices((2, 3)) >>> x[row, col] array([[0, 1, 2], [4, 5, 6]])
请注意,在上面的示例中,使用
x[:2, :3]
直接提取所需元素会更直接。如果将 sparse 设置为 true,则网格将以稀疏表示形式返回。
>>> i, j = np.indices((2, 3), sparse=True) >>> i.shape (2, 1) >>> j.shape (1, 3) >>> i # row indices array([[0], [1]]) >>> j # column indices array([[0, 1, 2]])