numpy.ma.indices#

ma.indices(dimensions, dtype=<class 'int'>, sparse=False) = <numpy.ma.core._convert2ma object>#

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。

dtypedtype，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。

返回值：
grid一个掩码数组或掩码数组元组
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)，dimensions[i] 在第 i 个位置。

参见

mgrid，ogrid，meshgrid

备注

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k-th轴的 N 维索引数组。明确地说

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]])

这些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，在上例中，直接使用x[:2, :3]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]])
本页内容