如何用Numpy高效实现：基于2D索引从3D数组提取值生成2D数组

直接用Numpy的高级索引就能高效完成这个任务，完全避免Python层面的循环，利用底层C实现的向量操作处理大规模数据：

• 生成与max_chs同形状的y、x维度网格索引
• 结合max_chs作为z维度索引，直接从objects中提取对应位置的值

具体代码示例：

import numpy as np

# 生成y、x方向的网格索引（假设max_chs的shape为(y, x)，对应objects的后两个维度）
y_idx, x_idx = np.indices(max_chs.shape)
# 高级索引提取结果，最终得到shape为(y, x)的2D数组
result = objects[max_chs, y_idx, x_idx]

原理说明 #

Numpy的高级索引会将三个索引数组（max_chs、y_idx、x_idx）对应位置的元素组合成索引元组，一次性完成所有位置的取值操作，效率远高于逐元素循环。这种方式完全适配大规模数据场景，不会出现Python循环的性能瓶颈。

内容的提问来源于stack exchange，提问作者nickeener