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 выполняет ту же операцию, что и «расширенная» 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,...].

Если объяснить без расширенной индексации, это эквивалентно следующему использованию ndindex, которое присваивает каждый из ii, jj, и kk кортежу 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 скалярные значения для индексов. axis : int, optional Ось, по которой выбирать значения. По умолчанию используется сплюснутый входной массив. out : ndarray, optional (Ni…, Nj…, Nk…) Если предоставлено, результат будет помещен в этот массив. Он должен иметь соответствующую форму и тип данных. Обратите внимание, что out всегда буферизуется, если mode=’raise’; для лучшей производительности используйте другие режимы. mode : {‘raise’, ‘wrap’, ‘clip’}, optional Определяет поведение индексов за пределами границ. ‘raise’ – генерировать ошибку (по умолчанию) ‘wrap’ – циклический сдвиг ‘clip’ – ограничение до диапазона Режим ‘clip’ означает, что все слишком большие индексы заменяются индексом, обращающимся к последнему элементу вдоль 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

take_along_axis

Извлечение элементов, соответствующих массивам и массивам индексов

Примечания

Устраняя внутренний цикл в описании выше и используя s_ для создания простых объектов среза, take можно выразить в виде применения расширенной 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 это эквивалентно (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 ndarray, можно использовать «расширенную» 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]])