numpy.indices

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

Возвращает массив, представляющий индексы сетки.

Вычисляет массив, где подмассивы содержат значения индексов 0, 1, …, изменяющиеся только вдоль соответствующей оси.

Параметры:	dimensions : sequence of ints Форма сетки. dtype : dtype, optional Тип данных результата. sparse : boolean, optional Возвращает разреженное представление сетки вместо плотного представления. По умолчанию False. Новое в версии 1.17.
Возвращает:	grid : one ndarray or tuple of ndarrays Если sparse равно False: Возвращает один массив индексов сетки, grid.shape = (len(dimensions),) + tuple(dimensions). Если sparse равно True: Возвращает кортеж массивов, с grid[i].shape = (1, ..., 1, dimensions[i], 1, ..., 1) на i-м месте.

См. также

mgrid, ogrid, meshgrid

Примечания

Форма выходных данных в плотном случае получается путем добавления количества измерений перед кортежем измерений, т.е. если dimensions является кортежем (r0, ..., rN-1) длины N, форма выходных данных — (N, r0, ..., rN-1).

Подмассивы grid[k] содержат N-мерный массив индексов вдоль k-th оси. Явно:

grid[k, i0, i1, ..., iN-1] = ik

Примеры

>>> 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]])

Индексы могут быть использованы как индексы в массиве.

>>> x = np.arange(20).reshape(5, 4)
>>> row, col = np.indices((2, 3))
>>> x[row, col]
array([[0, 1, 2],
       [4, 5, 6]])

Обратите внимание, что в приведенном выше примере было бы проще напрямую извлечь необходимые элементы с помощью x[:2, :3].

Если sparse установлено в true, сетка будет возвращена в разреженном представлении.

>>> 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]])