如何将Numpy索引转换为坐标？自定义数组类getitem实现需求

全坐标生成+筛选法 #

对于任意形状的数组，先生成所有元素的完整坐标矩阵，再根据传入的索引条件筛选目标坐标。以形状(2,2,2)为例：

1. 生成全维度坐标：

import numpy as np
shape = (2,2,2)
# 生成各维度的索引网格，转换为(N, 维度数)的坐标数组
coords = np.stack(np.indices(shape), axis=-1).reshape(-1, len(shape))
# 输出：[[0,0,0],[0,0,1],[0,1,0],[0,1,1],[1,0,0],[1,0,1],[1,1,0],[1,1,1]]

2. 按索引...,1筛选：
   这个索引等价于前两维取所有、第三维固定为1，直接对坐标数组的第三列做条件判断即可：

mask = coords[:, 2] == 1
selected_coords = coords[mask]
# 输出：[[0,0,1],[0,1,1],[1,0,1],[1,1,1]]

通用索引适配方案 #

如果要支持所有Numpy风格索引（省略号、切片、整数索引、布尔索引等），可以通过占位数组反向推导坐标：

shape = (2,2,2)
dummy = np.zeros(shape)
# 用用户传入的索引提取子数组
sub_array = dummy[..., 1]
# 获取子数组在原数组中的位置索引
indices = np.where(sub_array)
# 组合为(N, 维度数)的坐标数组
selected_coords = np.stack(indices, axis=-1)

这种方法自动适配所有索引类型，无需手动解析省略号或切片逻辑。

适配块稀疏张量场景 #

在你的自定义张量类__getitem__方法中，可以按以下流程处理：

• 根据张量的形状初始化坐标生成逻辑
• 用上述方法将用户传入的索引转换为具体的块坐标
• 匹配坐标对应的对称关系，找到内存中存储的唯一块
• 应用酉变换、转置等操作生成目标块并返回

内容的提问来源于stack exchange，提问作者fishjojo