如果这是多余的或超级基本的，请原谅我。我是从R来到Python / Numpy并且很难在脑子里翻看东西。
我有一个n维数组，我想用另一个索引值的n维数组排序。我知道我可以将它包装在一个循环中，但似乎应该有一种非常简洁的Numpyonic方式将其击败。这是我设置n = 2的问题的示例代码：
a1 = random.standard_normal(size=[2,5])
index = array([[0,1,2,4,3] , [0,1,2,3,4] ])
所以现在我有一个2 x 5的随机数组和一个2 x 5的索引。我已经阅读了帮助 take() 现在大约10次，但显然我的大脑并没有去研究它。
我以为这可能会让我在那里：
take(a1, index)
array([[ 0.29589188, -0.71279375, -0.18154864, -1.12184984, 0.25698875],
[ 0.29589188, -0.71279375, -0.18154864, 0.25698875, -1.12184984]])
但这显然只是重新排序第一个元素（我假设因为扁平化）。
有关我如何从我所处的位置获得的解释，该解决方案将索引的元素0对a1的元素0进行排序...元素n？
我想不出如何在N维度上工作，但是 这是2D版本：
>>> a = np.random.standard_normal(size=(2,5))
>>> a
array([[ 0.72322499, -0.05376714, -0.28316358, 1.43025844, -0.90814293],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
>>> i = np.array([[0,1,2,4,3],[0,1,2,3,4]])
>>> a[np.arange(a.shape[0])[:,np.newaxis],i]
array([[ 0.72322499, -0.05376714, -0.28316358, -0.90814293, 1.43025844],
[ 0.7459107 , 0.43020728, 0.05411805, -0.32813465, 2.38829386]])
这是N维版本：
>>> a[list(np.ogrid[[slice(x) for x in a.shape]][:-1])+[i]]
以下是它的工作原理：
好的，让我们从三维数组开始进行说明。
>>> import numpy as np
>>> a = np.arange(24).reshape((2,3,4))
>>> a
array([[[ 0, 1, 2, 3],
[ 4, 5, 6, 7],
[ 8, 9, 10, 11]],
[[12, 13, 14, 15],
[16, 17, 18, 19],
[20, 21, 22, 23]]])
您可以通过指定沿每个轴的索引来访问此数组的元素，如下所示：
>>> a[0,1,2]
6
这相当于 a[0][1][2] 如果我们处理列表而不是数组，那么你将如何访问相同的元素。
Numpy允许您在切片数组时变得更加漂亮：
>>> a[[0,1],[1,1],[2,2]]
array([ 6, 18])
>>> a[[0,1],[1,2],[2,2]]
array([ 6, 22])
这些例子相当于 [a[0][1][2],a[1][1][2]] 和 [a[0][1][2],a[1][2][2]] 如果我们处理清单。
你甚至可以省略重复的指数，而numpy会找出你想要的东西。例如，上面的例子可以等效地写成：
>>> a[[0,1],1,2]
array([ 6, 18])
>>> a[[0,1],[1,2],2]
array([ 6, 22])
您在每个维度中切片的数组（或列表）的形状仅影响 形状 返回的数组。换句话说，numpy并不关心您是否尝试使用形状数组索引数组 (2,3,4) 当它拉动值时，除了它会为你提供一系列形状 (2,3,4)。例如：
>>> a[[[0,0],[0,0]],[[0,0],[0,0]],[[0,0],[0,0]]]
array([[0, 0],
[0, 0]])
在这种情况下，我们抓住相同的元素， a[0,0,0] 一遍又一遍，但是numpy正在返回一个与我们传入的形状相同的数组。
好的，你的问题。你想要的是沿着最后一个轴索引数组中的数字 index 阵列。所以，对于您想要的问题中的示例 [[a[0,0],a[0,1],a[0,2],a[0,4],a[0,3]],a[1,0],a[1,1],...
像我之前所说的那样，你的索引数组是多维的这一事实，并没有告诉我们你想从哪里获取这些索引的任何内容;它只是指定输出数组的形状。因此，在您的示例中，您需要告诉numpy要从中拉出前5个值 a[0] 而后者则来自 a[1]。简单！
>>> a[[[0]*5,[1]*5],index]
它在N维中变得复杂，但让我们为三维数组做这件事 a 我在上面定义了方法。假设我们有以下索引数组：
>>> i = np.array(range(4)[::-1]*6).reshape(a.shape)
>>> i
array([[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]],
[[3, 2, 1, 0],
[3, 2, 1, 0],
[3, 2, 1, 0]]])
因此，这些值都是针对最后一个轴的索引。我们需要告诉numpy这些数字取自第一轴和第二轴的索引;即我们需要告诉numpy第一轴的索引是：
i1 = [[[0, 0, 0, 0],
[0, 0, 0, 0],
[0, 0, 0, 0]],
[[1, 1, 1, 1],
[1, 1, 1, 1],
[1, 1, 1, 1]]]
而第二轴的指数是：
i2 = [[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]],
[[0, 0, 0, 0],
[1, 1, 1, 1],
[2, 2, 2, 2]]]
然后我们可以这样做：
>>> a[i1,i2,i]
array([[[ 3, 2, 1, 0],
[ 7, 6, 5, 4],
[11, 10, 9, 8]],
[[15, 14, 13, 12],
[19, 18, 17, 16],
[23, 22, 21, 20]]])
生成的方便的numpy功能 i1 和 i2 叫做 np.mgrid。我用 np.ogrid 在我的答案中，由于我之前谈到的那种笨拙的魔法，在这种情况下是相同的。
希望有所帮助！