想象一个数组a
,它必须由idx
:中的多个范围索引
In [1]: a = np.array([7,9,1,2,3,5,6,8,1,0,])
idx = np.array([[0,3],[5,7],[8,9]])
a, idx
Out[1]: (array([7, 9, 1, 2, 3, 5, 6, 8, 1, 0]),
array([[0, 3],
[5, 7],
[8, 9]]))
当然,我可以编写一个简单的for
循环,它会产生所需的输出:
In [2]: np.hstack([a[i[0]:i[1]] for i in idx])
Out[2]: array([7, 9, 1, 5, 6, 1])
但我想要一种完全矢量化的方法。例如,我希望np.r_
能够提供一个解决方案。但下面的代码并没有产生所需的输出:
In [3]: a[np.r_[idx]]
Out[3]: array([[7, 2],
[5, 8],
[1, 0]])
而写入CCD_ 5确实会产生所需的输出。但现实生活中的idx
太大了,无法写出:
In [4]: a[np.r_[0:3,5:7,8:9]]
Out[4]: array([7, 9, 1, 5, 6, 1])
您可以尝试矢量化slice
本身:
>>> slice_np = np.vectorize(slice)
>>> slice_idx = tuple(slice_np(idx[:, 0], idx[:, 1]))
>>> a[np.r_[slice_idx]]
array([7, 9, 1, 5, 6, 1])