花式索引一个 numpy 矩阵：每行一个元素
fancy indexing a numpy matrix: one element per row
我有一个 2d numpy 数组，矩阵，形状为 (m, n)。我的实际用例有 m ~ 1e5 和 n ~ 100，但为了有一个简单的最小示例：
matrix = np.arange(5*3).reshape((5, 3))
我有一个整数索引数组 idx，形状为 (m, )，每个条目都在 [0, n) 之间。该数组指定应从 矩阵 的每一行中 select 编辑哪一列。
idx = np.array([2, 0, 2, 1, 1])
因此，我正在尝试 select 第 0 行的第 2 列、第 1 行的第 0 列、第 2 行的第 2 列、第 1 行的第 1 列和第 4 行的第 1 列。因此，最终答案应该是：
correct_result = np.array((2, 3, 8, 10, 13))
我试过以下方法，很直观，但不正确：
incorrect_result = matrix[:, idx]
上述语法的作用是将 idx 逐行应用为奇特的索引数组，从而产生另一个形状为 (m, n) 的矩阵，这不是我想要的。
这种类型的奇特索引的正确语法是什么？
correct_result = matrix[np.arange(m), idx]
高级索引表达式 matrix[I, J] 给出了 output[n] == matrix[I[n], J[n]].
的输出
如果我们想要output[n] == matrix[n, idx[n]]，那么我们需要I[n] == n和J[n] == idx[n]，所以我们需要I是np.arange(m)和J成为 idx.
我有一个 2d numpy 数组，矩阵，形状为 (m, n)。我的实际用例有 m ~ 1e5 和 n ~ 100，但为了有一个简单的最小示例：
matrix = np.arange(5*3).reshape((5, 3))
我有一个整数索引数组 idx，形状为 (m, )，每个条目都在 [0, n) 之间。该数组指定应从 矩阵 的每一行中 select 编辑哪一列。
idx = np.array([2, 0, 2, 1, 1])
因此，我正在尝试 select 第 0 行的第 2 列、第 1 行的第 0 列、第 2 行的第 2 列、第 1 行的第 1 列和第 4 行的第 1 列。因此，最终答案应该是：
correct_result = np.array((2, 3, 8, 10, 13))
我试过以下方法，很直观，但不正确：
incorrect_result = matrix[:, idx]
上述语法的作用是将 idx 逐行应用为奇特的索引数组，从而产生另一个形状为 (m, n) 的矩阵，这不是我想要的。
这种类型的奇特索引的正确语法是什么？
correct_result = matrix[np.arange(m), idx]
高级索引表达式 matrix[I, J] 给出了 output[n] == matrix[I[n], J[n]].
如果我们想要output[n] == matrix[n, idx[n]]，那么我们需要I[n] == n和J[n] == idx[n]，所以我们需要I是np.arange(m)和J成为 idx.