NumPy：在3D切片中使用来自argmin的2D索引数组

Question

我正在尝试使用argmin（或相关的argmax等函数）中的2D数组索引来索引大型3D数组。这是我的示例数据：

import numpy as np
shape3d = (16, 500, 335)
shapelen = reduce(lambda x, y: x*y, shape3d)

# 3D array of [random] source integers
intcube = np.random.uniform(2, 50, shapelen).astype('i').reshape(shape3d)

# 2D array of indices of minimum value along first axis
minax0 = intcube.argmin(axis=0)

# Another 3D array where I'd like to use the indices from minax0
othercube = np.zeros(shape3d)

# A 2D array of [random] values I'd like to assign in othercube
some2d = np.empty(shape3d[1:])

此时，两个3D数组具有相同的形状，而minax0数组的形状为（500，335）。现在我想使用minax0作为第一维度的索引位置，将2D数组some2d 的值赋给3D数组othercube。这是我尝试的代码，但不起作用：

othercube[minax0] = some2d    # or
othercube[minax0,:] = some2d

抛出错误：

ValueError：使用花式索引的维度过大

注意：我目前正在使用以下代码，但不太符合NumPy的规范：

for r in range(shape3d[1]):
    for c in range(shape3d[2]):
        othercube[minax0[r, c], r, c] = some2d[r, c]

我一直在网上搜寻类似的例子来索引othercube，但是我没有找到任何优雅的方法。这需要一个高级索引吗？有什么建议吗？

- Mike T

---

谢谢你遇到这个问题！因为它引发的答案，我的一天变得更好了。 - Richard

Answer 1

花式索引可能有点不直观。幸运的是，这个教程有一些很好的例子。

基本上，你需要定义每个minidx适用的j和k。Numpy不能从形状中推断出来。

在你的示例中：

i = minax0
k,j = np.meshgrid(np.arange(335), np.arange(500))
othercube[i,j,k] = some2d

- Paul

---

这个在一个4D数组中的3D索引数组上会怎么工作？ - Elvin