我还没有想到如何在N维中进行此操作，但这 是2D版本：
>>> a = np.random.standard_normal(size=(2,5))>>> aarray([[ 0.72322499, -0.05376714, -0.28316358, 1.43025844, -0.90814293], [ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])>>> i = np.array([[0,1,2,4,3],[0,1,2,3,4]]) >>> a[np.arange(a.shape[0])[:,np.newaxis],i]array([[ 0.72322499, -0.05376714, -0.28316358, -0.90814293, 1.43025844], [ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
这是N维版本：
>>> a[list(np.ogrid[[slice(x) for x in a.shape]][:-1])+[i]]
运作方式如下：
好的，让我们从3维数组开始进行说明。
>>> import numpy as np>>> a = np.arange(24).reshape((2,3,4))>>> aarray([[[ 0, 1, 2, 3], [ 4, 5, 6, 7], [ 8, 9, 10, 11]], [[12, 13, 14, 15], [16, 17, 18, 19], [20, 21, 22, 23]]])
您可以通过沿每个轴指定索引来访问此数组的元素，如下所示：
>>> a[0,1,2]6
这等效于
a[0][1][2]如果我们要处理列表而不是数组，您将如何访问同一元素。
切片数组时，Numpy可以使您变得更加幻想：
>>> a[[0,1],[1,1],[2,2]]array([ 6, 18])>>> a[[0,1],[1,2],[2,2]]array([ 6, 22])
这些例子就等于
[a[0][1][2],a[1][1][2]]和
[a[0][1][2],a[1][2][2]]如果我们处理列表。
您甚至可以省去重复的索引，而numpy会找出您想要的内容。例如，以上示例可以等效地编写：
>>> a[[0,1],1,2]array([ 6, 18])>>> a[[0,1],[1,2],2]array([ 6, 22])
在每个维度中切片的数组（或列表）的 形状 仅影响返回数组的 形状
。换句话说，numpy不在乎您是否在尝试
(2,3,4)拉取值时尝试使用形状数组来索引数组，只是它会反馈形状数组
(2,3,4)。例如：
>>> a[[[0,0],[0,0]],[[0,0],[0,0]],[[0,0],[0,0]]]array([[0, 0], [0, 0]])
在这种情况下，我们
a[0,0,0]一遍又一遍地抓取相同的元素，但是numpy返回的数组与传入的形状相同。
好的，解决您的问题。您想要的是沿最后一个轴用
index数组中的数字索引数组。因此，对于您问题中的示例，您希望
[[a[0,0],a[0,1],a[0,2],a[0,4],a[0,3]],a[1,0],a[1,1],...
正如我前面所说，索引数组是多维的，这一事实并不能告诉numpy有关从何处提取这些索引的任何信息。它只是指定输出数组的形状。因此，在您的示例中，您需要告诉numpy，要从中提取前5个值，而从中提取
a[0]后5个值
a[1]。简单！
>>> a[[[0]*5,[1]*5],index]
它在N维中变得复杂，但让我们对
a我上面定义的3维数组进行处理。假设我们有以下索引数组：
>>> i = np.array(range(4)[::-1]*6).reshape(a.shape)>>> iarray([[[3, 2, 1, 0], [3, 2, 1, 0], [3, 2, 1, 0]], [[3, 2, 1, 0], [3, 2, 1, 0], [3, 2, 1, 0]]])
因此，这些值全部用于沿最后一个轴的索引。我们需要告诉numpy这些数字将沿第一和第二轴取哪些索引；即我们需要告诉numpy第一个轴的索引是：
i1 = [[[0, 0, 0, 0], [0, 0, 0, 0], [0, 0, 0, 0]], [[1, 1, 1, 1], [1, 1, 1, 1], [1, 1, 1, 1]]]
第二轴的索引为：
i2 = [[[0, 0, 0, 0], [1, 1, 1, 1], [2, 2, 2, 2]], [[0, 0, 0, 0], [1, 1, 1, 1], [2, 2, 2, 2]]]
然后我们可以这样做：
>>> a[i1,i2,i]array([[[ 3, 2, 1, 0], [ 7, 6, 5, 4], [11, 10, 9, 8]], [[15, 14, 13, 12], [19, 18, 17, 16], [23, 22, 21, 20]]])
方便的numpy函数，它生成
i1并
i2称为
np.mgrid。我
np.ogrid在答案中使用了这种方法，在这种情况下，这是等效的，因为我之前谈到过麻木的魔术。
希望有帮助！
