如何将Fortran列主序数组转为C行主序数组，实现类NumPy索引？

问题描述 #

给定任意形状的MATLAB数组x，如何实现o = x(idx)以C语言行主序（而非MATLAB默认的Fortran列主序）进行索引，即按行主序遍历展开后的数组？

需求动机 #

特定场景下，行主序遍历应得到排序后的数组，例如满足isequal(x(x > 0), sort(x))。

行为匹配说明 #

这里的“o = x(idx)按C语言索引”指完全匹配Python NumPy的o = x[idx]行为。假设存在MATLAB数组xre实现了这种重排，那么：

• xre(:) 等价于 NumPy 的 x.flatten()
• xre(i1:i2, i3:i4, i5:i6) 等价于 NumPy 的 x[j1:j2, j3:j4, j5:j6]，其中所有索引j = i - 1（MATLAB索引从1开始，NumPy从0开始）

术语定义 #

• 行主序（外层优先）：遍历数组时先遍历最外层维度，再依次向内层推进
• 列主序（内层优先）：遍历数组时先遍历最内层维度，再依次向外层推进

注意：仅使用permute无法实现需求，理论上也不可能——因为permute仅改变维度顺序，无法改变数组的存储结构，甚至可能因索引范围导致越界。

示例对比 #

MATLAB默认行为（列主序） #

s = @(x, i0, i1, i2)reshape(x(i0, i1, i2), 1, []);

xF = reshape(1:2*3*4, [2 3 4]);
{s(xF, 1:2, 1, 1), s(xF, 1, 1:2, 1), s(xF, 1, 1, 1:2)}

输出：

{[1 2]}    {[1 3]}    {[1 7]}

NumPy行为（行主序） #

import numpy as np
xC = np.arange(1, 2*3*4+1).reshape(2, 3, 4)
print(xC[0:2, 0, 0], xC[0, 0:2, 0], xC[0, 0, 0:2])

输出：

[ 1 13] [1 5] [1 2]

仅用permute的无效尝试 #

xp = permute(xF, [3 2 1]);
{s(xp, 1:2, 1, 1), s(xp, 1, 1:2, 1), s(xp, 1, 1, 1:2)}

输出：

{[1 7]}    {[1 3]}    {[1 2]}

可见仅permute无法匹配NumPy的行主序索引行为。

实现方案 #

要在MATLAB中模拟NumPy的行主序索引，核心是将MATLAB的列主序线性索引转换为行主序线性索引，以下是完整实现：

1. 列主序转行主序线性索引函数 #

function idx_c = col2row_idx(idx_f, shape)
    % 将MATLAB原生列主序线性索引（1-based）转换为行主序线性索引（1-based）
    % idx_f: 输入的列主序线性索引
    % shape: 数组的形状，即size(x)的输出
    
    idx_f_0 = idx_f - 1; % 转为0-based便于计算
    dims = shape;
    ndims = length(dims);
    
    % 计算列主序下的各维度0-based坐标
    coords_f_0 = zeros(length(idx_f_0), ndims);
    for d = 1:ndims
        coords_f_0(:, d) = mod(idx_f_0, dims(d));
        idx_f_0 = floor(idx_f_0 / dims(d));
    end
    
    % 用行主序规则计算线性索引
    idx_c_0 = 0;
    for d = ndims:-1:1
        idx_c_0 = idx_c_0 * dims(d) + coords_f_0(:, d);
    end
    
    idx_c = idx_c_0 + 1; % 转回1-based索引
end

2. 类NumPy索引封装函数 #

function o = numpy_index(x, varargin)
    % 模拟NumPy的行主序索引行为，支持切片、单个索引、数组索引
    % x: 输入的MATLAB数组
    % varargin: 各维度的索引参数，与MATLAB原生索引格式一致（1-based）
    % o: 索引结果，形状匹配NumPy对应索引的输出
    
    shape = size(x);
    ndims_x = ndims(x);
    
    % 将多维索引转换为MATLAB原生列主序线性索引
    [~, idx_f] = sub2ind(shape, varargin{:});
    
    % 转换为行主序线性索引
    idx_c = col2row_idx(idx_f, shape);
    
    % 获取索引结果
    o = x(idx_c);
    
    % 调整输出形状，匹配NumPy的切片逻辑
    out_shape = [];
    for d = 1:length(varargin)
        idx = varargin{d};
        out_shape = [out_shape, length(idx)];
    end
    % 补全未指定的维度
    if length(out_shape) < ndims_x
        out_shape = [out_shape, shape(length(out_shape)+1:end)];
    end
    o = reshape(o, out_shape);
end

3. 使用验证 #

xF = reshape(1:2*3*4, [2 3 4]);

% 模拟NumPy的xC[0:2, 0, 0]
result1 = numpy_index(xF, 1:2, 1, 1)
% 输出: [1 13]

% 模拟NumPy的xC[0, 0:2, 0]
result2 = numpy_index(xF, 1, 1:2, 1)
% 输出: [1 5]

% 模拟NumPy的xC[0, 0, 0:2]
result3 = numpy_index(xF, 1, 1, 1:2)
% 输出: [1 2]

内容的提问来源于Stack Exchange，提问作者OverLordGoldDragon