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

dimensionssequence of ints

Форма сетки.

dtypedtype, optional

Тип данных результата.

sparseboolean, optional

Возвращает разреженное представление сетки вместо плотного. По умолчанию False.

Новое в версии 1.17.

Возвращает

gridone ndarray or tuple of ndarrays

Если sparse = False:

Возвращает один массив индексов сетки, grid.shape = (len(dimensions),) + tuple(dimensions).

Если sparse = True:

Возвращает кортеж массивов, где grid[i].shape = (1, ..., 1, dimensions[i], 1, ..., 1) с размерами[i] на i-ом месте.

См. также

mgrid, ogrid, meshgrid

Примечания

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