numpy.take

numpy.take(a, indices, axis=None, out=None, mode='raise') [source]

Извлечение элементов из массива по оси.

Когда ось не равна None, эта функция делает то же самое, что и «изящная» индексация (индексация массивов с помощью массивов); однако, она может быть проще в использовании, если вам нужны элементы по заданной оси. Вызов, например, np.take(arr, indices, axis=3) эквивалентен arr[:,:,:,indices,...].

Объясняя без изящной индексации, это эквивалентно следующему использованию ndindex, которое задаёт каждой из ii, jj, и kk кортеж индексов:

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
Nj = indices.shape
for ii in ndindex(Ni):
    for jj in ndindex(Nj):
        for kk in ndindex(Nk):
            out[ii + jj + kk] = a[ii + (indices[jj],) + kk]

Параметры:

a : array_like (Ni…, M, Nk…) Исходный массив. indices : array_like (Nj…) Индексы значений для извлечения. Введено в версии 1.8.0. Также допускаются скаляры для индексов. axis : int, необязательно Ось, по которой выбираются значения. По умолчанию используется уплощённый массив. out : ndarray, необязательно (Ni…, Nj…, Nk…) Если указано, результат будет помещён в этот массив. Он должен иметь соответствующую форму и тип данных. mode : {‘raise’, ‘wrap’, ‘clip’}, необязательно Определяет поведение индексов за пределами границ. ‘raise’ – генерировать ошибку (по умолчанию) ‘wrap’ – обход ‘clip’ – ограничение до диапазона Режим ‘clip’ означает, что все индексы, которые слишком велики, заменяются индексом, который обращается к последнему элементу по этой оси. Обратите внимание, что это отключает индексацию с отрицательными числами.

Возвращает:

out : ndarray (Ni…, Nj…, Nk…) Возвращаемый массив имеет тот же тип, что и a.

См. также

compress

Извлечение элементов с помощью булевой маски

ndarray.take

эквивалентный метод

Примечания

Исключая внутренний цикл в описании выше и используя s_ для построения простых объектов среза, take можно выразить в терминах применения изящной индексации к каждому 1-мерному срезу:

Ni, Nk = a.shape[:axis], a.shape[axis+1:]
for ii in ndindex(Ni):
    for kk in ndindex(Nj):
        out[ii + s_[...,] + kk] = a[ii + s_[:,] + kk][indices]

По этой причине, она эквивалентна (но быстрее, чем) следующему использованию apply_along_axis:

out = np.apply_along_axis(lambda a_1d: a_1d[indices], axis, a)

Примеры

>>> a = [4, 3, 5, 7, 6, 8]
>>> indices = [0, 1, 4]
>>> np.take(a, indices)
array([4, 3, 6])

В этом примере, если a — ndarray, можно использовать «изящную» индексацию.

>>> a = np.array(a)
>>> a[indices]
array([4, 3, 6])

Если indices не одномерный, выход также имеет эти измерения.

>>> np.take(a, [[0, 1], [2, 3]])
array([[4, 3],
       [5, 7]])