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 «многомерная» индексация (индексация массивов с помощью массивов); однако, она может быть проще в использовании, если вам нужны элементы по заданной оси. Вызов, такой как np.take(arr, indices, axis=3) эквивалентен arr[:,:,:,indices,...].

Без использования многомерной индексации это эквивалентно следующему использованию ndindex, который устанавливает каждый из ii, jj, и kk в 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 извлекаемых значений. Введено в версии 1.8.0. Также допускаются скалярные значения в качестве индексов. axis : int, optional Ось, по которой выбираются значения. По умолчанию используется уплощенный входной массив. out : ndarray, optional (Ni…, Nj…, Nk…) Если указано, результат будет помещён в этот массив. Он должен иметь соответствующую форму и тип данных. mode : {‘raise’, ‘wrap’, ‘clip’}, optional Указывает, как будут обрабатываться индексы, выходящие за пределы границ. ‘raise’ – генерировать ошибку (по умолчанию) ‘wrap’ – циклический перенос ‘clip’ – обрезка до диапазона Режим ‘clip’ означает, что все индексы, которые слишком велики, заменяются индексом, который обращается к последнему элементу по данной 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

take_along_axis

Извлечение элементов с помощью сопоставления массива и массива индексов

Примечания

Исключая внутренний цикл в описании выше и используя s_ для создания простых объектов срезов, take можно выразить в терминах применения многомерной индексации к каждому 1-d 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 он эквивалентен (но быстрее), чем следующее использование 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 является массивом ndarray, можно использовать «многомерную» индексацию.

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

Если indices не является одномерным, выход также имеет эти размеры.

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