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 «сложные» индексы (индексация массивов с использованием 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,...].

Без использования сложных индексов, 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 разрешены скаляры в качестве индексов.

axisint, optional

Ось, по которой выбираются значения. По умолчанию используется уплощенный массив входных данных.

outndarray, optional (Ni…, Nj…, Nk…)

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

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

Определяет, как будут обрабатываться индексы за пределами границ.

• ‘raise’ – генерировать ошибку (по умолчанию)
• ‘wrap’ – циклическое повторение
• ‘clip’ – ограничение до диапазона

Режим ‘clip’ означает, что все индексы, которые слишком велики, заменяются индексом, соответствующим последнему элементу вдоль этой оси. Обратите внимание, что это отключает индексацию с отрицательными числами.

Возвращаемое значение

outndarray (Ni…, Nj…, Nk…)

Возвращаемый массив имеет тот же тип, что и a.

См. также

compress

Извлечение элементов с использованием булевого маскирования

ndarray.take

эквивалентный метод

take_along_axis

Извлечение элементов, сопоставляя массив и массивы индексов

Примечания

Исключая внутренний цикл в описании выше и используя s_ для построения простых объектов среза, take можно представить как применение сложной 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, 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 ndarray, можно использовать «сложную» индексацию.

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

Если indices не одномерный, то выходные данные также имеют эти измерения.

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