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 «сложное» индексирование (индексирование 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 сложного индексирования, это эквивалентно следующему использованию ndindex, которое 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

aarray_like (Ni…, M, Nk…)

Исходный массив.

indicesarray_like (Nj…)

Индексы значений для извлечения.

Введено в версии 1.8.0.

Также допускаются скаляры в качестве индексов.

axisint, optional

Ось, по которой выбирать значения. По умолчанию используется уплощенный входной массив.

outndarray, optional (Ni…, Nj…, Nk…)

Если указано, результат будет помещен в этот массив. Он должен иметь соответствующую форму и тип данных. Обратите внимание, что out всегда буферизуется, если mode=’raise’; используйте другие режимы для лучшей производительности.

mode{‘raise’, ‘wrap’, ‘clip’}, optional

Определяет поведение индексов за пределами границ.

• ‘raise’ – вызвать ошибку (по умолчанию)
• ‘wrap’ – обернуть вокруг
• ‘clip’ – ограничить диапазон

Режим ‘clip’ означает, что все индексы, которые слишком велики, заменяются индексом, который обращается к последнему элементу по этой оси. Обратите внимание, что это отключает индексирование с отрицательными числами.

Возвращает

outndarray (Ni…, Nj…, Nk…)

Возвращаемый массив имеет тот же тип, что и a.

См. также

compress

Извлечение элементов с использованием булевой маски

ndarray.take

эквивалентный метод

take_along_axis

Извлечение элементов, соответствующих массивам и массивам индексов

Примечания

Исключая внутренний цикл в описании выше и используя s_ для создания простых объектов срезов, take можно выразить как применение сложного индексирования к каждому одномерному 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 «сложное» индексирование.

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

Если indices не одномерный, результат также имеет эти размеры.

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