numpy.indices#

numpy.indices(dimensions, dtype=<class 'int'>, sparse=False)[source]#

返回一個表示網格索引的陣列。

計算一個陣列，其中的子陣列包含索引值 0, 1, …，僅沿相應軸變化。

參數:
dimensions整數序列

網格的形狀。

dtypedtype，選用

結果的資料型別。

sparse布林值，選用

返回網格的稀疏表示，而非稠密表示。預設值為 False。

返回:
grid一個 ndarray 或 ndarray 元組
如果 sparse 為 False

返回一個網格索引陣列，grid.shape = (len(dimensions),) + tuple(dimensions)。

如果 sparse 為 True

返回一個陣列元組，其中 grid[i].shape = (1, ..., 1, dimensions[i], 1, ..., 1)，且 dimensions[i] 位於第 i 個位置

另請參閱

mgrid, ogrid, meshgrid

註解

在稠密情況下，輸出形狀是通過將維度的數量前置於維度元組之前獲得的，即如果 dimensions 是一個長度為 N 的元組 (r0, ..., rN-1)，則輸出形狀為 (N, r0, ..., rN-1)。

子陣列 grid[k] 包含沿 k-th 軸的 N 維索引陣列。明確地說

grid[k, i0, i1, ..., iN-1] = ik

範例

>>> import numpy as np
>>> 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]])

索引可以用作陣列的索引。

>>> x = np.arange(20).reshape(5, 4)
>>> row, col = np.indices((2, 3))
>>> x[row, col]
array([[0, 1, 2],
       [4, 5, 6]])

請注意，在上面的範例中，更直接的方法是使用 x[:2, :3] 直接提取所需的元素。

如果 sparse 設定為 true，則網格將以稀疏表示形式返回。

>>> 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]])
本頁內容