如何用多变量索引2的幂次方阵的行/列轴以提取子矩阵？

对于2的幂次方阵的分块/二元组索引需求，Numpy的维度重塑（reshape）+ 多维度索引是最高效的方案，完全不需要手动映射索引，而且操作都是矢量化的，性能拉满。

核心思路 #

把原方阵的行/列维度拆分成「块索引」+「块内索引」的组合，通过reshape将矩阵转换成多维度数组，之后直接用你想要的二元组（或多元组）作为索引访问即可。

4x4矩阵示例（对应你的需求） #

先把普通列表转成Numpy数组，再按块大小重塑维度：

import numpy as np

# 初始化4x4矩阵
M = np.array([
    [1, 2, 3, 4],
    [5, 6, 7, 8],
    [9, 10, 11, 12],
    [13, 14, 15, 16]
])

# 重塑为(块行索引r1, 块内行索引r2, 块列索引c1, 块内列索引c2)
# 这里块大小是2x2，所以维度是(2,2,2,2)
M_blocked = M.reshape(2, 2, 2, 2)

接下来直接实现你要的索引效果：

• 单个元素访问：M[(0,0),(0,0)] → 对应M_blocked[0, 0, 0, 0]

  print(M_blocked[0, 0, 0, 0])  # 输出：1
  

• 单个元素访问：M[(1,0),(1,1)] → 对应M_blocked[1, 0, 1, 1]

  print(M_blocked[1, 0, 1, 1])  # 输出：12
  

• 整行访问：M[(0,1),] → 取r1=0、r2=1的行，展平为一维

  print(M_blocked[0, 1, :, :].flatten())  # 输出：[5 6 7 8]
  

• 子矩阵访问：M[(0,),(0,)] → 取r1=0的所有块内行、c1=0的所有块内列

  print(M_blocked[0, :, 0, :])
  # 输出：
  # [[1 2]
  #  [5 6]]
  

8x8矩阵示例（自定义块大小） #

按你的要求，把8x8矩阵分成2个4x4子块（r1∈[0,1]，r2∈[0-3]），只需调整reshape的参数：

# 初始化8x8矩阵
M_8x8 = np.arange(64).reshape(8,8)

# 重塑为(块行r1, 块内行r2, 块列c1, 块内列c2)，块大小4x4
M_8x8_blocked = M_8x8.reshape(2, 4, 2, 4)

# 取r1=1、r2=2的整行（对应原矩阵第6行）
print(M_8x8_blocked[1, 2, :, :].flatten())  # 输出：[48 49 50 51 52 53 54 55]

# 取左上角4x4子矩阵
print(M_8x8_blocked[0, :, 0, :])
# 输出原矩阵0-3行、0-3列的所有元素

为什么这个方法高效？ #

Numpy的reshape是视图操作，不会复制原矩阵的数据，只是改变了数据的访问方式，所以几乎没有额外开销，比手动计算映射索引快得多，尤其适合大矩阵场景。

内容的提问来源于stack exchange，提问作者Enigma