用(n-1)d数组索引n维数组

Question

用(n-1)d数组索引n维数组

使用(n-1)维数组访问给定维度的n维数组的最优雅方法是什么，如虚拟示例中所示。

a = np.random.random_sample((3,4,4))b = np.random.random_sample((3,4,4))idx = np.argmax(a, axis=0)

我现在如何访问idx a使极大值进入a好像我用过a.max(axis=0)？或如何检索idx在……里面b?

我想用np.meshgrid但我觉得这太过分了。注意尺寸axis可以是任何有用的轴(0，1，2)并且事先不知道。有什么好办法吗？

Answer 1

all_idx很好。我没有意识到使用argmax输出的形状而不是原始数组的形状会简化事情。至于元组而不是列表，高级索引语义与元组相比更加清晰。在这种情况下，列表的行为碰巧是一样的，这是因为在特定条件下，向后兼容性处理将列表转换为元组(但没有得到完全正确的记录)。在NumPy索引中，当一个列表被当作一个元组对待，当一个列表被当作一个数组处理时，这可能会令人惊讶，所以我更喜欢显式地创建这个元组。 

Answer 2

作为参考，我指的向后兼容性处理是这里..案件idx是标量是我甚至没有想过的事情，在那里，向后兼容性处理不会被触发，如果我们保留一个列表而不是一个元组，就会出现错误的结果。正如这说明的，元组的行为更一致，更容易预测。