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

参见

mgridogridmeshgrid

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]])