numpy.indices#

numpy.indices(dimensions, dtype=<class 'int'>, sparse=False)[源代码]#

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:
维数整数序列

网格的形状.

dtypedtype, optional

结果的数据类型.

稀疏布尔值,可选

返回网格的稀疏表示,而不是密集表示.默认为 False.

返回:
网格一个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) , dimensions[i] 位于第 i 个位置

参见

mgrid , ogrid , meshgrid

注释

密集情况下的输出形状是通过在维数元组前添加维数数量获得的,即,如果 dimensions 是长度为 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-D 索引数组.显式表示为:

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,在上面的示例中,直接使用 x[:2, :3] 提取所需元素会更直接.

如果 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]])
当前页面